تصحيح التوهين والتشتت في تصوير PET بدون CT قابل للتعميم عبر التكيّف عبر النطاق ببضع حالات فقط

لماذا هذا مهم للمرضى والأطباء

تُساعد فحوصات التصوير المقطعي بالإصدار البوزيتروني (PET) الأطباء على رؤية كيفية تصرّف السرطانات وأمراض أخرى داخل الجسم. لكن للحصول على صور PET دقيقة، عادةً ما يحتاج المرضى إلى فحص تصوير مقطعي محوسب (CT) إضافي، مما يزيد من الجرعة الإشعاعية وقد يسبب أحيانًا عدم محاذاة مع صور PET. تقدّم هذه الدراسة طريقة لتنقية صور PET دون الاعتماد على CT، باستخدام ذكاء اصطناعي يمكنه التكيّف بسرعة مع مستشفيات وأنواع أجهزة ماسح جديدة باستخدام عدد قليل فقط من أمثلة المرضى.

مشكلة الحصول على صور أوضح مع إشعاع أقل

تجمع أجهزة PET/CT الحديثة بين نوعين من التصوير: PET، الذي يُظهر كيفية استخدام الأنسجة للطاقة أو جزيئات محددة، وCT الذي يُظهر بنية الجسم. يساعد جزء CT في تصحيح خسارة الإشارة والتشتت في PET حتى يتمكّن الأطباء من الوثوق بالقيم التي يرونها في الأورام والأعضاء. مع ذلك، قد يساهم فحص CT بما يصل إلى نصف جرعة الإشعاع الكلية في فحص PET/CT لكامل الجسم، وهو ما يثير القلق بشكل خاص للأطفال والفئات الحساسة الأخرى. حتى عند استخدام CT بجرعات منخفضة للغاية، قد تتسبّب التنفس والحركات الطبيعية للمريض في خروج صور CT وPET عن التزامن، محدثة خطوطًا وشوارد ساخنة أو باردة زائفة. لذلك يسعى الباحثون إلى طرق تصحّح صور PET دون الحاجة إلى CT على الإطلاق.

كيف يتدخل الذكاء الاصطناعي

تحاول طرق التعلّم العميق الحديثة إصلاح صور PET غير المصححة مباشرة. يتعلم بعضها التنبؤ بصورة CT افتراضية، بينما يتعلم البعض الآخر تحويل صورة PET غير المصححة الضبابية إلى صورة مصححة أكثر وضوحًا في خطوة واحدة. تعمل هذه الأنظمة جيدًا في البيئات التي تم تدريبها عليها، لكنها غالبًا ما تواجه صعوبة عندما يتبدّل المستشفى أو الماسح أو المواد المُتبعة أو تعداد المرضى. فاختلافات صغيرة في الأجهزة أو الإعدادات أو المواد المشعة المستخدمة لإبراز المرض يمكن أن تغيّر مظهر صور PET وتربك نموذجًا لم يرَ سوى مجموعة محدودة من الأمثلة. يجادل المؤلفون بأنه من غير الواقعي تدريب نموذج واحد ثابت يعمل في كل مكان دائمًا، وأن تصحيح PET يجب أن يُعامل كنظام حي قادر على التكيّف مع كل بيئة سريرية جديدة.

نموذج تصحيح PET مرن يتعلم من بضعة حالات

طوّر الفريق إطار عمل يُسمى CrossPET-Adapt يستخدم عملية تعليم من مرحلتين. أولًا، درّبوا شبكة عميقة على مجموعة كبيرة جدًا من فحوص PET من مادة متبعة مستخدمة على نطاق واسع، 18F-FDG، جمعت في مركز كبير مزوّد بجهاز ماسح ذي مجال محوري طويل. بدلًا من توليد صورة PET جديدة مباشرة، تتعلم الشبكة خريطة تصحيح ناعمة تضبط كل بكسل من المدخل، ما يعكس كيف تتصرف الخسائر الفيزيائية الحقيقية في PET مثل تغيّرات في شدة الإشارة. كما تستخدم إحصاءات بسيطة من كل فحص إدخالي، مثل متوسط الإضاءة والتباين، لضبط ميزاتها الداخلية حتى تتعرف كيف تغيّر الأجهزة والمواد مظهر الصورة. في المرحلة الثانية، يُعاد ضبط النموذج بدقّة على مجرد مريض إلى خمسة مرضى من نطاق جديد، مثل مادة متبعة أو ماسح أو مستشفى مختلف، مما يسمح له بالتقاط الخصائص المحلية دون إعادة تدريب من الصفر.

الاختبار عبر المواد والماسحات والمستشفيات

لمعرفة مدى فعالية هذه الفكرة، جمع الباحثون مجموعة بيانات تضم 1539 مريضًا من 11 مجموعة، شملت أربع مواد متبعة، عدة موديلات ماسح من بائعين مختلفين، وثلاث مستشفيات خارجية. قارنوا ثلاث استراتيجيات: نماذج مدرّبة على مادة واحدة، ونموذج مشترك مدرَّب على مواد مُختلطة، ونهجهم القائم على التكيّف ببضع حالات. في الحالات التي طابقت فيها المواد بيانات التدريب، أدّى النموذج المشترك أداء أفضل قليلًا كما هو متوقع. لكن في بيئات جديدة ذات مواد أو ماسحات أو مراكز غير مرئية سابقًا، قدم النموذج المُكيَّف باستمرار تشابهًا أعلى للصور، وخطأ أقل، وقيم امتصاص معيارية أكثر موثوقية، حتى عندما أعيد ضبطه على مريض أو عدد قليل من المرضى. لدى مرضى اللمفوما كانت الصور المصححة بواسطة التعلّم العميق تطابق نتائج PET/CT القياسية عن كثب، مما قلّل بشكل حاد الأخطاء في حجم الورم وقيم الامتصاص التي توجه قرارات العلاج.

ما يعنيه هذا لفحوص PET المستقبلية

تُظهر الدراسة أن تصحيح PET بدون CT يمكن أن يكون عمليًا وموثوقًا عند إقرانه باستراتيجية تكيّف ببضع حالات. بدلًا من جمع مئات الفحوص الموسومة في كل مرة يقوم فيها مستشفى بتركيب ماسح جديد أو يبدأ باستخدام مادة جديدة، يمكن للأطباء ضبط نموذج أساسي مشترك باستخدام عدد قليل فقط من الحالات المحلية في أقل من عشر دقائق على بطاقة رسومية واحدة. قد يُخفّض هذا النهج التعرض للإشعاع، يُبسّط إجراءات العمل، ويجعل تصوير PET المتقدّم أكثر اتساقًا بين المواقع، مع الحفاظ على التفاصيل الكمية التي يعتمد عليها أطباء الأورام وغيرهم من الاختصاصيين.

الاستشهاد: Wang, H., Wen, M., Qiao, X. et al. Generalizable CT-free PET attenuation and scatter correction via few-shot cross domain adaptation. npj Digit. Med. 9, 374 (2026). https://doi.org/10.1038/s41746-026-02760-w

الكلمات المفتاحية: تصوير PET, تصحيح التوهين, التعلّم العميق, تكيّف المجال, التصوير الطبي