طوّر باحثون من كلية لندن الجامعية (UCL) أداة ذكاء اصطناعي جديدة تُدعى MindGlide قادرة على تحليل صور الرنين المغناطيسي للدماغ بسرعة فائقة، لتكشف التغيرات الدقيقة الناتجة عن مرض التصلب المتعدد (MS)، مثل تقلص الدماغ وظهور الآفات (المناطق التالفة في الدماغ).

وهذا الأمر كان يتطلب سابقًا تفسيرات معقدة من خبراء الأشعة، لكن الآن يمكن إنجازه في غضون ثوانٍ، مما يتيح تتبع تطور المرض وفعالية العلاج بنحو أكثر كفاءة من قبل.

في اختبارات شملت أكثر من 14 ألف صورة، تفوقت MindGlide على الأدوات الأخرى المستخدمة لتحليل صور الدماغ، وأثبتت دقتها في تحليل مناطق مختلفة من الدماغ وأنواع متعددة من صور الرنين المغناطيسي. ويأمل الباحثون أن تُساهم الأداة قريبًا في استخراج رؤى قيمة من ملايين الصور المخزنة في أرشيفات المستشفيات، مما قد يُحدث تحولًا جذريًا في رعاية مرضى التصلب المتعدد.

أداة MindGlide لتشخيص التصلب المتعدد

يُعد التصلب المتعدد مرضًا تهاجم فيه المناعة الجهاز العصبي المركزي، مما يؤثر في الحركة والإحساس والتفكير. وفي المملكة المتحدة، يعاني هذا المرض نحو 130,000 شخص، مما يكلّف هيئة الصحة الوطنية (NHS) أكثر من 2.9 مليار جنيه إسترليني سنويًا.

وللمساعدة في تشخيص هذا المرض وتتبع فعالية العلاجات طوّر باحثون في كلية لندن الجامعية UCL أداة MindGlide التي تستند إلى الذكاء الاصطناعي لتحليل صور الرنين المغناطيسي الدماغي للمرضى المصابين بالتصلب المتعدد وتقييم فعالية العلاجات. وتستخلص الأداة معلومات حيوية من الصور، مثل: تحديد الأنسجة التالفة واكتشاف التغيرات الطفيفة في الدماغ كالضمور وظهور اللويحات.

تعتمد أداة MindGlide على نموذج تعلم عميق (Deep Learning) لتقييم صور الرنين المغناطيسي للدماغ وتحديد التغيرات الناتجة عن التصلب المتعدد.

ولتطوير النموذج، استخدم الباحثون قاعدة بيانات أولية مكونة من 4,247 صورة رنين لـ 2,934 مريضًا جُمعت من 592 جهاز تصوير مختلف. وللتحقق من فعالية النموذج، أجريت دراسة لاختباره باستخدام ثلاث قواعد بيانات تضم 14,952 صورة لـ 1,001 مريض بالتصلب المتعدد، ونُشرت الدراسة في مجلة Nature Communications.

وأظهرت نتائج الدراسة أن MindGlide قادرة على تحديد الآفات الدماغية بدقة عالية، حتى باستخدام نوع واحد من صور الرنين، وهو ما لم يكن فعالًا سابقًا. كما أثبتت الأداة كفاءتها في رصد التغيرات في القشرة الدماغية، وفي المناطق العميقة من الدماغ، وكانت نتائجها موثوقة في تحليل الصور المختلفة.

وقبل تطوير هذه الأداة، كان تحليل الصور يتطلب خبراء في الأشعة العصبية، مع تأخر في النتائج قد يمتد لأسابيع بسبب ضغط العمل في NHS.

لكن MindGlide نجحت للمرة الأولى في تحليل صور مختلفة حتى تلك التي لم تكن صالحة سابقًا، وتحديد تأثير العلاجات المختلفة في تقدم المرض خلال 5 إلى 10 ثوانٍ فقط لكل صورة.

وقد تفوقت الأداة الجديدة على أداتين ذكيتين شهيرتين هما:

• SAMSEG: أداة تُستخدم لتحديد ورسم حدود الأجزاء المختلفة من الدماغ في صور الرنين المغناطيسي.
• WMH-SynthSeg: أداة تكشف وتقيس البقع البيضاء الظاهرة في بعض صور الرنين المغناطيسي، والتي يمكن أن تكون مهمة لتشخيص ومتابعة حالات مرضية مختلفة مثل التصلب المتعدد.

وقد كانت MindGlide أكثر دقة بنسبة تبلغ 60% من SAMSEG، وبنسبة تبلغ 20% من WMH-SynthSeg في رصد اللويحات ومراقبة تأثير العلاج.

تصريحات الباحثين:

قال الدكتور Philipp Goebl، الباحث الرئيسي من معهد (UCL Queen Square Institute of Neurology and UCL Hawkes: “سيتيح لنا استخدام MindGlide تحليل الصور المخزنة في أرشيفات المستشفيات لاستخلاص معلومات جديدة عن التصلب المتعدد وتأثير العلاجات في الدماغ. ونأمل أن تساهم الأداة في استخراج رؤى من ملايين الصور التي كانت سابقًا صعبة التفسير، وأن تُمكّن الأطباء من فهم حال المريض في العيادات بمساعدة الذكاء الاصطناعي خلال السنوات الخمس إلى العشر المقبلة”.

ويأمل الباحثون أن تُستخدم MindGlide لتقييم العلاجات في الحياة الواقعية، بدلًا من الاعتماد فقط على التجارب السريرية. 

وقال الدكتور Arman Eshaghi، الباحث الرئيسي في المشروع، وقائد مجموعة MS-PINPOINT: “كنا نتجاهل معظم الصور السريرية بسبب جودتها المحدودة، لكن الذكاء الاصطناعي سيمكننا من الاستفادة من كنز المعلومات الموجود في المستشفيات لنفهم بنحو غير مسبوق تطور التصلب المتعدد وتأثير العلاجات في الدماغ”.

القيود:

تقتصر النسخة الحالية من MindGlide على تحليل صور الدماغ فقط، ولا تشمل الحبل الشوكي الذي يُعد مهمًا لتقييم الإعاقة الناتجة عن التصلب المتعدد. لذلك، لابد من تطوير الأداة لتتمكن من إجراء تقييم شامل للجهاز العصبي يشمل الدماغ والحبل الشوكي.

نسخ الرابط تم نسخ الرابط