مقارنة كمية لأساليب الذكاء القابل للتفسير في تفسير تصنيف التعلم العميق لحركيات المشي ثلاثية الأبعاد

لماذا هذا البحث حول المشي والذكاء الاصطناعي مهم

العديد من الأطفال المصابين بحالات مثل الشلل الدماغي أو الأمراض العصبية العضلية يمشون بطرق يصعب تشخيصها وتصنيفها بالعين وحدها. يستخدم الأطباء بالفعل التقاط الحركة ثلاثية الأبعاد للمشي لتوجيه العلاج، لكن التطورات الأخيرة في الذكاء الاصطناعي قادرة على اكتشاف أنماط دقيقة تتجاوز إدراك البشر. المشكلة أن هذه أدوات التعلم العميق القوية تعمل غالبًا كصناديق سوداء، تعطي إجابات دون أسباب واضحة. تطرح هذه الدراسة سؤالًا بسيطًا له تبعات كبيرة: هل يمكننا جعل هذه النماذج توضح أي أجزاء من المشية تعتمد عليها، حتى يتمكن الأطباء من فهم مساعدتها والثقة بها؟

من التقاط الحركة إلى اكتشاف الأنماط الذكي

خلال أكثر من 15 عامًا، سجل مختبر المشي في مستشفى فرنسي حركات ثلاثية الأبعاد مفصلة لوركين الأطفال وركبهم وكواهنهم وأقدامهم أثناء المشي. حُوّل كل دورة مشي إلى منحنيات زمنية تصف 22 زاوية مفصلية على الجانب الأكثر والأقل تأثرًا. كان الفريق قد درّب بالفعل عدة نماذج تعلم عميق لتمييز الأطفال ذوي النمو الطبيعي عن أولئك المصابين بالشلل الدماغي أحادي الجانب أو ثنائي الجانب، أو الأمراض العصبية العضلية، أو المشي على أطراف أصابع مجهول السبب، محققين دقّات تصل إلى نطاق التسعينيات العليا. في هذا العمل الجديد، بدلًا من تصميم نموذج آخر، ركّزوا على فتح غطاء هذه الأنظمة القائمة لمعرفة أي زوايا وأنماط المفاصل هي التي تدفع فعلاً قرارات الحاسوب.

تعليم الصناديق السوداء أن تشرح نفسها

قارن الباحثون أربع طرق للذكاء القابل للتفسير، كل واحدة تقدم طريقة مختلفة لتتبع التنبؤ إلى ميزات الإدخال. ثلاث منها (LIME وDeepLift وIntegrated Gradients) تنظر إلى كيفية تأثير تغييرات صغيرة في الإدخال على مخرجات النموذج لتجربة مشي معيّنة. الرابعة، المسماة الاختيار المتتابع للميزات، تُدرّب النماذج مرارًا مع إضافة أو إزالة زوايا المفاصل لرؤية كيف تتغير الدقة. من خلال تطبيق هذه الأدوات على ثلاث مجموعات بيانات مشي وثلاثة تصميمات تعلم عميق، أنشأ الفريق قوائم مرتبة للمفاصل الأهم لكل مهمة تشخيصية، ثم تحقّقوا من مدى استقرار هذه التراتيب ووفاؤها بالواقع.

ماذا تقول النماذج عن كيفية مشينا

عبر كل الطرق ومجموعات البيانات، برز نمط واضح. انثناء وامتداد الورك والركبة والكاحل، لا سيما على الجانب الأكثر تأثرًا، ظهرت باستمرار ضمن الزوايا الأكثر أهمية. وهذه هي نفس المفاصل التي يعتبرها خبراء المشي السريريون منذ زمن جوهريّة لفهم الشلل الدماغي والاضطرابات ذات الصلة. عندما اختبر الباحثون مدى متانة كل طريقة قابلة للتفسير تجاه تغييرات صغيرة في البيانات، وإلى أي حد تنخفض أداءات النماذج عند إزالة الميزات «المهمة»، تميّزت طريقة Integrated Gradients كالأكثر موثوقية بشكل عام. أنتجت شروحات تغيرت قليلًا عبر دورات مشي مشابهة واتفقت جيدًا مع الميزات التي كانت تؤثر فعليًا في أداء النموذج عند إزالتها.

القيام بالمزيد بإشارات أقل وأكثر اختيارًا

استكشف البحث أيضًا ما يحدث إذا زودت نماذج التعلم العميق فقط بالزوايا الأكثر أهمية بدلًا من جميع الـ22. باستخدام الاختيار الأمامي للميزات، وجد الفريق أنه في كثير من الحالات قد يكفي زاوية مفصل واحدة لتقارب دقة النموذج الكامل بعدة نقاط مئوية فقط. مع مجموعة صغيرة من الزوايا الأعلى ترتيبًا، كان الأداء قد يتجاوز حتى النموذج الأصلي الذي استخدم كلّ الميزات. هذا يشير إلى أن إزالة المعلومات المزعجة أو الأقل صلة يمكن أن يصفّي تركيز النموذج، مما يجعله أبسط وأكثر دقة، وفي الوقت نفسه يُبرز مجموعة مضغوطة من ميزات المشي التي يمكن للأطباء تفسيرها ورصدها بسهولة مع مرور الوقت.

ماذا يعني ذلك لزيارات العيادة المستقبلية

بالنسبة لغير المتخصصين، الرسالة الرئيسية هي أن أدوات التعلم العميق لتحليل المشي ليست مجرد تخمين؛ فهي تعتمد على حركات المفاصل الأساسية نفسها التي يراقبها الخبراء البشريون عن كثب. من خلال إظهار أن إحدى طرق التفسير، Integrated Gradients، تعطي شروحات متينة وذات معنى سريري، تقرب الدراسة تشخيص المشي المعتمد على الذكاء الاصطناعي من الاستخدام اليومي. يمكن للأطباء رؤية أي حركات في الورك والركبة والكاحل أدت إلى تشخيص مقترح، وحتى إنشاء نماذج مبسطة مستندة إلى هذه الميزات الحرجة فقط. قد يساعد هذا الجمع بين أداء قوي وتفسير شفاف هذه الأدوات على أن تصبح شركاء موثوقين في اتخاذ قرار كيفية دعم الأطفال الذين يعانون من صعوبات في المشي.

الاستشهاد: Lan, Z., Lempereur, M., Aïssa-El-Bey, A. et al. Quantitative comparison of explainable AI methods for interpreting deep learning–based classification of 3D gait kinematics. Sci Rep 16, 15560 (2026). https://doi.org/10.1038/s41598-026-46243-0

الكلمات المفتاحية: تحليل المشي, الشلل الدماغي, التعلم العميق, الذكاء القابل للتفسير, حركيات المفاصل