RDE-DR: شبكات تلافيفية عميقة جماعية قوية للكشف الآلي عن اعتلال الشبكية السكّري من صور القاع

لماذا تهم فحوصات العين لمرضى السكري

اعتلال الشبكية السكّري هو مضاعفة للسكري تضر تدريجيًا النسيج الحساس للضوء في مؤخرة العين. إذا تم اكتشافه مبكرًا، يمكن غالبًا علاجه قبل فقدان البصر. لكن فحص آلاف صور الشبكية يدويًا يستغرق وقتًا طويلاً على الأخصائيين. تستكشف هذه الدراسة كيف يمكن لمزيج مُصمَّم بدقة من نماذج الذكاء الاصطناعي أن يساعد في فحص هذه الصور بشكل أكثر موثوقية، حتى يتم الإبلاغ عن الأشخاص المعرضين للخطر مبكرًا ويتجنّب المرضى الأصحاء المتابعات غير الضرورية.

البحث عن علامات تحذيرية في صور العين

يركّز الباحثون على الصور الملونة للشبكية، المعروفة بصور القاع، من مجموعة عامة تُسمى مجموعة بيانات APTOS 2019. تُظهر هذه الصور الأوعية الدموية الدقيقة ونقاط النزف أو التسرب التي تشير إلى الضرر السكّري. يحوّل الفريق الدرجات الطبية الخمس الأصلية إلى سؤال أبسط ذي أهمية للفحص واسع النطاق: هل تُظهر هذه العين أي اعتلال شبكية سكّري أم لا. يحول هذا المهمة إلى قرار بنعم أو لا يمكن للنظام الآلي اتخاذه بسرعة لآلاف المرضى.

جعل التفاصيل المخفية أسهل للرؤية بواسطة الحوسبة

تختلف صور العين الواقعية كثيرًا في الحدة والسطوع واللون، ما قد يربك النماذج الحاسوبية. لتقليل هذه المشكلة، يستخدم المؤلفون تقنية تعزيز التباين المسماة CLAHE التي تُضيء التفاصيل المحلية دون تضخيم الضجيج. يعيدون تحجيم جميع الصور إلى مربع صغير موحَّد، ويوحِّدون الألوان، ويستخدمون تدويرات وعمليات قلب عشوائية أثناء التدريب كي لا يتكيّف النظام مع زاوية كاميرا أو حالة إضاءة واحدة. تُقسَّم مجموعة البيانات بحيث تُستخدم أربعة أخماس الصور لتعليم النماذج وخمسة أخماس تُحتفظ لاختبار مدى تعميم النظام على حالات جديدة.

الاعتماد على العديد من العيون بدلًا من نموذج واحد

بدلًا من الاعتماد على نموذج تعلم عميق واحد، تدرب الدراسة أربعة شبكات عصبية تلافيفية شهيرة طُوِّرت أولًا على مجموعة ضخمة من الصور اليومية. تُعرف هذه النماذج في المجال باسم VGG16 وVGG19 وResNet50 وDenseNet121، ويُعاد تدريبها للتعرّف إلى الشبكيات السليمة والمريضة. كل نموذج منها يُظهر أداءً جيدًا بالفعل بمفرده، حيث يصنّف نحو 98 بالمئة من صور الاختبار بشكل صحيح ويُفوّت عددًا ضئيلاً فقط من العيون المريضة. الفكرة الأساسية للعمل هي مزج نقاط قوتها من خلال عدة مخططات لدمج القرارات، بما في ذلك التصويت البسيط، ومتوسط الثقة، وقواعد متقدمة مستلهمة من المنطق الضبابي.

دمج آراء النماذج بعناية

يدرس الفريق منهجيًا سبع طرق لدمج مخرجات النماذج الأربعة، دائمًا تحت نفس وصفة التدريب. كما يضبطون نقطة القطع التي تُحوِّل الاحتمالية إلى تنبؤ بنعم أو لا، بدلًا من افتراض علامة منتصف ثابتة. من خلال مسح العديد من العتبات، يقيسون كيف تتبادل الدقة، والحساسية، والدقّة (precision)، وهو أمر حاسم لأدوات الفحص التي يجب أن تتجنّب كلًا من تفويت المرض والإثارة الكاذبة المفرطة. ثم يتجاوزون الدقة البسيطة، ويفحصون مدى ثقة النماذج في فصل الصور السليمة عن المريضة باستخدام منحنيات التشغيل الاستقبالي ورسوم كثافة الاحتمالات.

ماذا تعني النتائج لفحوصات العين المستقبلية

عموماً، تحافظ الأساليب الجماعية على أداء النماذج الفردية القوي أو تحسّنه قليلًا، لتصل الدقة إلى نحو 98.6 بالمئة ودرجات عالية جدًا في فصل الفئات. تُظهر المخططات البسيطة مثل تصويت الأغلبية أو متوسط قيم الثقة استقرارًا ملحوظًا، بينما يُظهر أحد الأساليب الضبابية حساسية أكبر لاختيارات التصميم ويقدّم أداءً أقل توازنًا. للقراء غير المتخصصين، الرسالة الأساسية أن الجمع بين عدة قارئات صور مُدرَّبة جيدًا، بعد تنظيف الصور بعناية وضبط طريقة دمج أصواتها، يؤدي إلى مساعد آلي أكثر ثقة. لن يحلّ مثل هذا الأداة محل أطباء العيون، لكنه قد يساعدهم على فرز أعداد كبيرة من صور الشبكية بسرعة، وتركيز وقت العيادة الثمين على المرضى الذين تُظهر عيونهم علامات مبكرة للمشكلة.

الاستشهاد: Aiche, I., Brik, Y., Attallah, B. et al. RDE-DR: robust deep ensemble CNNs for automated diabetic retinopathy detection from fundus images. Sci Rep 16, 15226 (2026). https://doi.org/10.1038/s41598-026-48669-y

الكلمات المفتاحية: اعتلال الشبكية السكّري, تصوير القاع, التعلّم العميق, نماذج جماعية, الفحص الطبي