الذكاء الاصطناعي في كشف الكسور

تُعد رعاية الإصابات في أقسام الطوارئ مرهونة بالاكتشاف السريع والدقيق للكسور، لما له من دور أساسي في تخفيف معاناة المرضى وتفادي المضاعفات الخطيرة. وهنا يبرز دور الذكاء الاصطناعي كأداة ثورية تُحدث تحولًا في عملية التشخيص، وتُسهم في تعزيز كفاءة الإجراءات الطبية و سلاسة سير العمل في القسم.

‍

أظهرت العديد من الدراسات قدرة الذكاء الاصطناعي على اكتشاف الكسور الدقيقة التي قد لا يلاحظها الأطباء في بعض الأحيان. فعلى سبيل المثال، كشفت دراسة عُرضت في مؤتمر RSNA 2023 أن الذكاء الاصطناعي تفوّق على اختصاصيي الأشعة في اكتشاف الكسور التي غالبًا ما يتم التغاضي عنها، ما يشير إلى أن التعاون بين اختصاصي الأشعة والذكاء الاصطناعي قد يُحسن من دقة التشخيص.

كما بدأت المعايير الوطنية تأخذ بعين الاعتبار الدور المتنامي للذكاء الاصطناعي في سير عمل التشخيص الطبي. ففي المملكة المتحدة، أوصى المعهد الوطني للصحة وجودة الرعاية (NICE) باستخدام نظام Riri®، وهو حل ذكاء اصطناعي يشمل أربعة محاور رئيسية:

• TR: اكتشاف الكسور
• CH: أمراض الصدر
• ME: قياسات الزوايا والأطوال
• BO: تقدير العمر العظمي

وتؤكد توصية NICE على القيمة السريرية للذكاء الاصطناعي، لا سيما في أقسام الرعاية العاجلة، لدوره في تقليل الأخطاء التشخيصية وتحسين سرعة ودقة اتخاذ القرار الطبي (المصدر: nice.org.uk).

‍

يُعد كشف الكسور بقيادة الذكاء الاصطناعي مجرد نقطة انطلاق، مما يمثل عتبة جديدة لتحسين دقة التشخيص وتسريع رحلة الرعاية الصحية للمرضى. تتناول هذه المقالة كيفية عمل كشف الكسور بالذكاء الاصطناعي ومزاياه للإعدادات السريرية.

‍

استخدام الذكاء الاصطناعي لكشف الكسور في التصوير الطبي

‍

AZtrauma، وهو برنامج ذكاء اصطناعي MDaaS مُعتمد بالكامل لكشف الكسور من AZmed، يستخدم خوارزميات متطورة لتحليل وكشف كسور العظام والخلع والانصبابات المفصلية في الصور الطبية. باستخدام تقنيات التعلم العميق المتقدمة ورؤية الكمبيوتر، يعزز AZtrauma بشكل كبير إنتاجية ودقة تشخيص أخصائيي الأشعة.

‍

كمساعد للتشخيص، يقدم AZtrauma العديد من المزايا مقارنة بالتشخيص التقليدي:

‍

تقنيات التعلم الآلي المتقدمة

‍

يتم توفير دعم عالي الجودة من خلال الشبكات العصبية التلافيفية (CNNs) والمحولات المرئية ونماذج التعلم العميق المتقدمة الأخرى، التي تُشغل البرنامج. تم تدريب مجموعة AZmed Rayvolve® AI على واحدة من أكبر مجموعات البيانات لصور الأشعة السينية (>15 مليون) مع تعليقات دقيقة من قبل أخصائيي الأشعة الخبراء المعتمدين من المجلس، مما يُمكّن الذكاء الاصطناعي من تحديد أنماط الكسور المعقدة بدقة. هذا التدريب الشامل يحول AZtrauma إلى مورد قوي. فيما يلي مخطط لكيفية تطوير النموذج:

• إنشاء مجموعة بيانات: الخطوة الأولى هي جمع مجموعة كبيرة من صور الأشعة السينية. وهي تشمل الحالات المكسورة والطبيعية.
• التعليق: يقوم أخصائيو الأشعة الخبراء بتسمية الكسور في الصور، مما يخدم كأساس موثوق للتدريب.
• تدريب النموذج: بالاعتماد على بيانات التعليق، تتعلم الخوارزميات التمييز بين أنماط الكسور عبر التكرارات بين الاثنين.
• التحقق من الصحة: التحقق من دقة وموثوقية النموذج باستخدام صور جديدة أو لم يتم اختبارها من قبل.

‍

مزايا كشف الكسور بالذكاء الاصطناعي

‍

يستخدم AZtrauma خوارزميات لتحليل الصور الطبية، مما يوفر كشفًا مُحسَّنًا للكسور الطفيفة وتقليل الإيجابيات الكاذبة والسلبيات الكاذبة، مع ضمان قراءات متسقة عبر الحالات أيضًا. هذه السرعة والدقة هي التي تسمح بتحديد أولويات الحالات الحرجة بشكل أسرع، وتقليل أوقات الانتظار وتؤدي إلى العلاج في الوقت المحدد. يقوم AZtrauma بأتمتة المهام الروتينية، وتخفيف أعباء العمل الدنيوية عن أخصائيي الأشعة، مما يسمح لهم بالتركيز على الحالات الأكثر تعقيدًا، وتقليل الإرهاق وتحسين إنتاجية قسم الأشعة.

‍

في RSNA 2023، قدم الدكتور شون راج، رئيس الابتكار في SimonMed، دراسة تتحقق من أداء Rayvolve®<sup3>. في هذه الدراسة، تم استخراج بيانات الفحص من عام 2022 (بدون الذكاء الاصطناعي) وعام 2023 (مع الذكاء الاصطناعي)، والتي تضم 159,601 و 170,703 فحصًا على التوالي. أشارت النتائج إلى تحسين معدلات الكشف، حيث بلغت نسبة انتشار الكسور 10.4٪ بدون الذكاء الاصطناعي و 11.8٪ مع الذكاء الاصطناعي. تم تخفيض متوسط وقت الاستجابة للتقرير (TAT) للحالات الإيجابية للكسور بشكل كبير من 48 ساعة في غياب الذكاء الاصطناعي إلى 8.3 ساعة مع الذكاء الاصطناعي، أي بانخفاض متوسط قدره 39 ساعة.

‍

أداء حل الذكاء الاصطناعي Rayvolve®

‍

التطبيق في إعدادات الرعاية الصحية

‍

نهج AZmed هو توفير تدريب متعمق لمهنيي الرعاية الصحية على المبادئ الأساسية للذكاء الاصطناعي، والخبرة المباشرة مع برنامج AZtrauma، والتدريب على كيفية قراءة تقارير التشخيص بمساعدة الذكاء الاصطناعي وكيفية استخدام هذه الأفكار في اتخاذ القرارات السريرية. مع الاحتياجات المختلفة في البنية التحتية والأمن، تقدم AZmed ثلاثة نماذج نشر: داخل المؤسسة وشبكة VPN، شبكة VPN، ونموذج داخل المؤسسة. تم تصميم كل نموذج لتأمين بيانات المرضى ومنع تسرب البيانات، وتوفير وإدارة أنظمة شبكات آمنة وحلول تخزين بيانات مُدارة. هذه المرونة تسمح لمقدمي الرعاية الصحية بتطبيق الخيار الذي يناسب أفضل بنيتهم التحتية وسياساتهم الأمنية الحالية.

‍

التكامل مع أنظمة التصوير الطبي الحالية

‍

يتكامل AZtrauma بسلاسة في سير عمل المستشفى، ويرتبط مباشرة بأنظمة التصوير الطبي للكشف المدعوم بالذكاء الاصطناعي:

‍

عملية تحديد الكسور في الوقت الحقيقي

‍

عندما يتم التقاط صورة أشعة سينية جديدة:

1. يتلقى نظام الذكاء الاصطناعي الصورة.
2. يقوم النموذج المُدرَّب بتحليل الصورة بحثًا عن أنماط الكسور.
3. يتم إنشاء النتائج في غضون ثوانٍ، وتسليط الضوء على الكسور المحتملة.
4. يراجع أخصائيو الأشعة النتائج بمساعدة الذكاء الاصطناعي عند الالتقاط الثاني للتفسير النهائي.

‍

الخلاصة

‍

باستخدام خوارزميات التعلم العميق التي تم تدريبها على مجموعات بيانات واسعة، يحلل AZtrauma الأشعة السينية في ثوانٍ لكشف كسور العظام التي قد يكون من الصعب تفسيرها في بعض الأحيان. فوائد هذه التكنولوجيا واضحة، مع دقة تشخيص أفضل، ونتائج أسرع، وتوفير محتمل في التكاليف لأنظمة الصحة.

‍

على الرغم من الوعد بإمكانية الذكاء الاصطناعي في كشف الكسور، فإن التغلب على قضايا جودة البيانات، والتحيز الخوارزمي، والتكامل في أنظمة الرعاية الصحية الحالية أمر بالغ الأهمية. AZmed مصممة على مواجهة هذه التحديات لجعل AZtrauma يحتفظ بأدائه وموثوقيته العالية أثناء الاستخدامات السريرية. مع البحث المستمر، من المتوقع أن التكنولوجيا في الوقت المناسب وفي المستقبل ستزيد من تحسين وكيل الذكاء الاصطناعي لتشخيص الكسور، وتوسيع نطاق

‍