الذكاء الاصطناعي
نموذج الذكاء الاصطناعي لتصوير الرنين المغناطيسي يحقق دقة تشخيصية بنسبة 97.5٪
كيف تعمل تقنية الرنين المغناطيسي في تصوير الدماغ
يعتمد التصوير بالرنين المغناطيسي على المجالات المغناطيسية والموجات الراديوية لإنشاء صور ثنائية/ثلاثية الأبعاد متعمقة للأعضاء وأجزاء الجسم الحيوية الأخرى. وُلدت تقنية الرنين المغناطيسي من الأعمال السابقة على الرنين المغناطيسي النووي (NMR) التي أجريت خلال الحرب العالمية الثانية.
في عام 1952، أخذ فليكس بلوخ وإدوارد بورسل الفكرة إلى الأمام وفازا بجائزة نوبل في ذلك العام. ومع ذلك، لم يتمكنوا من إنشاء صور ثنائية الأبعاد للأعضاء والأنسجة إلا بعد أن أضاف بول لاوتربور التدرجات المكانية. ومن الجدير بالذكر أن النبضات ذات التردد الراديوي المستخدمة في فحوصات الرنين المغناطيسي لا تنتج إشعاعًا مؤينًا، مما يجعلها مثالية مقارنةً بفحوصات التصوير المقطعي.
اليوم، أصبحت فحوصات الرنين المغناطيسي شائعة. وفقًا التقارير، يتم إجراء ما بين 150-200 مليون فحص سنويًا. بالإضافة إلى ذلك، تُظهر الدراسات أن استخدام الرنين المغناطيسي في ازدياد، حيث تشهد معظم المناطق زيادة بنسبة 3-6٪ في هذه الإجراءات. لذا، ليس من المفاجئ أن نعلم أن الرنين المغناطيسي أصبح الآن مكوّنًا أساسيًا في النظام الطبي.
لماذا يُعَدّ تفسير فحوصات رنين المغناطيسي للدماغ تحديًا
مع تزايد الاعتماد على الرنين المغناطيسي، يتضح بعض عيوب هذه التقنية. فمثلاً، يتطلب تفسير هذه الصور وقتًا ودقةً كبيرين. وقد ارتفع الطلب على ذلك مع نقص الكوادر في القطاع الطبي.
النتيجة هي أن زيادة استخدام الرنين المغناطيسي تُضيف عبئًا على النظام الطبي المتوتر بالفعل. تُظهر الدراسات أن هذا العبء يختلف بين المستشفيات الكبيرة التي تواجه تدفقًا كبيرًا من المرضى وتلك الصغيرة التي لا تملك متخصصين قادرين على تفسير صور الرنين المغناطيسي. ومع ذلك، النتيجة واحدة – يتعرض المرضى لمخاطر متزايدة.
المخاطر السريرية لتأخير تفسير الرنين المغناطيسي
المشكلة هي أن العديد من الأمراض العصبية التي يساعد الرنين المغناطيسي على اكتشافها تتطلب عناية فورية. هذا يعني وجود توازن بين التشخيص السريع وتحسين النتائج، وهو ما يخلق أحيانًا مواعيد نهائية فائتة.
على سبيل المثال، النزيف الدماغي والسكتات الدماغية هي أمثلة رئيسية على الحالات الطبية التي يمكن أن يكتشفها الرنين المغناطيسي وتستدعي عناية طبية فورية. ومع ذلك، فإن هذه الحالات يصعب اكتشافها عادةً، مما يتطلب مشاهدة محترفة لإنجاز المهمة.
مناطق الدماغ
يُعد التصوير العصبي أداة قيمة لتقييم المرضى الذين يعانون من أمراض عصبية. وبالتالي، ارتفع الطلب العالمي على فحوصات الرنين المغناطيسي بشكل مستمر، مما يضع ضغطًا كبيرًا على أنظمة الرعاية الصحية، ويطيل أوقات الاستجابة، ويزيد من احتراق الأطباء.
جامعة ميتشغان تطور نموذج ذكاء اصطناعي للرنين المغناطيسي
تُقدِّم الدراسة بعنوان “Learning neuroimaging models from health system-scale data¹” المنشورة في مجلة Nature Biomedical Engineering خوارزمية ذكاء اصطناعي مخصصة يمكنها تفسير صور الرنين المغناطيسي في ثوانٍ. وبالتالي، لديها القدرة على إحداث ثورة في الرعاية الصحية مستقبلاً.
Prima: نموذج ذكاء اصطناعي متعدد الوسائط لتشخيص الرنين المغناطيسي
وصف مبتكرو خوارزمية Prima AI لتصوير الرنين المغناطيسي النظام بأنه “ChatGPT لتصوير الطب”. يعمل نظام الذكاء الاصطناعي على تبسيط وأتمتة العديد من أكثر جوانب تفسير الصور الطبية تعقيدًا.
تختلف Prima عن غيرها من أنظمة الذكاء الاصطناعي للرنين المغناطيسي بأنها نموذج رؤية-لغة (VLM)، أي أنها تعالج النصوص والصور والفيديو معًا. يتيح هذا الاستخدام للمعمارية الهرمية للرؤية للنظام تقديم دقة وأداء لا مثيل لهما.
كيف يعمل Prima كطيار مشارك تشخيصي
عند الحديث عن الخوارزمية، صرح المطورون أنهم أرادوا إنشاء طيار مشارك موثوق لتفسير دراسات التصوير الطبي. وفي هذا الصدد، نجحوا، حيث يتيح النهج الفريد لـ Prima العمل عبر طيف واسع من التشخيصات.
هذا النهج يتعارض تمامًا مع سابقيه الذين ركزوا أساسًا على قطاع فرعي محدد من تصوير الرنين المغناطيسي. وبما أن Prima تم تدريبها على مجموعة بيانات أوسع بكثير، فإنها تستطيع مراجعة بيانات الرنين المغناطيسي كما يفعل طبيب حقيقي. وبالتالي، تعد Prima بتحسين كل شيء من التشخيص إلى سير العمل.
تدريب النموذج على أكثر من 200,000 دراسة رنين مغناطيسي
لتدريب Prima، علم الباحثون أنهم سيحتاجون إلى الوصول إلى مخزون ضخم من البيانات. لحسن الحظ، وفرت جامعة ميتشغان الصحية وصولًا مباشرًا إلى أكثر من 200,000 دراسة رنين مغناطيسي، شملت أكثر من 5.6 مليون تسلسل صور.
ثم دمج المهندسون نتائج كل دراسة، بما في ذلك تاريخ المرضى والأسباب وراء الفحص. تم بعد ذلك ربط هذه البيانات، ودمج 50 تشخيصًا إشعاعيًا مختلفًا، تغطي عدة حالات عصبية.
كيف يولد الذكاء الاصطناعي تشخيصات تفريقية
تم بناء Prima لتوفير تشخيص في الوقت المناسب. يربط النظام قاعدة بياناته الضخمة من فحوصات الرنين المغناطيسي والبيانات المقابلة لتحديد مجموعة واسعة من الحالات العصبية. بالإضافة إلى ذلك، يأخذ في الاعتبار التاريخ الطبي الخاص بكل مريض، مما يتيح له إنشاء ملف شامل لكل مريض إلى جانب التشخيص.
نظام فرز طارئ مدفوع بالذكاء الاصطناعي
بشكل مثير للإعجاب، يستطيع Prima تحديد ما إذا كان التشخيص يتطلب رعاية طبية فورية. عندما يتم اكتشاف الحاجة إلى رعاية عاجلة، يقوم النظام تلقائيًا بإخطار المتخصصين في الرعاية الصحية، مما يضمن عدم وجود تأخير بين التشخيص والرعاية. تساعد هذه الميزة على إنقاذ الأرواح في الحالات التي تتطلب اتخاذ إجراء فوري.
سير عمل إشعار المتخصص الآلي
أحد أكثر الجوانب إثارة في Prima هو أنه يُخطر المتخصص المناسب تلقائيًا بعد التشخيص. على سبيل المثال، إذا أظهر الفحص خطر السكتة الدماغية، يعرف النظام أنه يجب الاتصال بجراح الأعصاب وطلب رعاية طارئة.
الاختبار السريري والتحقق من صحة نموذج الذكاء الاصطناعي
بدأ اختبار نظام Prima قبل عام. قضى العلماء هذا الوقت في إجراء آلاف التشخيصات للمرضى ثم مقارنتها بتشخيص الأطباء. في المجموع، تم إكمال 29,431 دراسة رنين مغناطيسي.
نموذج الذكاء الاصطناعي للرنين المغناطيسي يحقق أداء تشخيصي بنسبة 97.5٪
اسحب للتمرير →
| المقياس | Prima AI | سير العمل التقليدي |
|---|---|---|
| عدد دراسات الرنين المغناطيسي المختبرة | 29,431 | N/A |
| مجموعة التدريب | 200,000+ دراسات | تدريب بشري |
| سلاسل الصور | 5.6M+ | N/A |
| أداء التشخيص | 97.5% AUROC | يعتمد على المتخصص |
| وقت التشخيص | ثوانٍ | ساعات–أيام |
ثبتت دقة Prima أن المهندسين كانوا على صواب. حصل النموذج على 97.5٪، وهو ما يتجاوز نتائج أي منافس آخر للذكاء الاصطناعي. وأشار الفريق إلى أن النظام كان قادرًا على إكمال التشخيص في ثوانٍ مقارنةً بما كان سيستغرقه الأطباء أيامًا.
كما كشفت الاختبارات أن النظام حسّن بشكل كبير وقت استجابة الرعاية. كانت البيانات من الفحوصات والتشخيص متاحة فورًا للمتخصصين، وتم إرسال المعلومات ذات الأولوية تلقائيًا إلى من يحتاجها، مما وفر للمرضى وقتًا ثمينًا.
الفوائد الرئيسية لتفسير الرنين المغناطيسي المدعوم بالذكاء الاصطناعي
هناك قائمة طويلة من الفوائد التي تجلبها هذه التقنية إلى السوق. أولاً، تقلل الوقت اللازم لإجراء وتفسير فحوصات الرنين المغناطيسي. تساعد هذه الأداء المحسّن المرضى على الحصول على الرعاية بسرعة أكبر، حتى مع معاناة القطاع الطبي من نقص كبير في الكوادر.
يثبت أن مساعدة الذكاء الاصطناعي مثالية
فائدة أخرى للتقنية هي أنها تساعد على إثبات كيف يمكن لأنظمة الذكاء الاصطناعي تحسين العديد من الإجراءات الطبية الحالية. يقلل هذا النظام العبء عن المتخصصين في الرعاية الصحية مع تحسين النتائج. وبالتالي، يُعد مثالًا قيمًا على قوة أنظمة الذكاء الاصطناعي عبر القطاع الطبي.
التشخيص
على عكس بعض أنظمة الذكاء الاصطناعي التي لا تقدم أي تفسير لكيفية وصولها إلى نتيجة معينة، يقدم نموذج Prima AI تشخيصات تفريقية قابلة للتفسير. يتيح هذا النهج للطباء التحقق المزدوج من عمله لضمان الدقة والحصول على آراء ثانية.
التطبيقات الواقعية وتوقعات النشر
هناك العديد من التطبيقات لهذه التقنية، وأبرزها تحسين الممارسات الطبية الحالية. ومن الجدير بالذكر أن هذه التقنية يمكن تطبيقها على قطاعات تصوير أخرى، مما يدفع العديد من المحللين إلى توقع أنها ستُطبّق على فحوصات الماموجرام، والأشعة السينية للصدر، والموجات فوق الصوتية في السنوات القادمة.
المسار التنظيمي والجدول الزمني التجاري
قد تصل هذه التقنية إلى السوق خلال السنوات الخمس القادمة. هناك طلب قوي على أي شيء يمكنه تحسين نتائج الرعاية الصحية مع تقليل عبء العمل والضغط على المتخصصين في الرعاية الصحية اليوم.
فريق البحث والدعم المؤسسي
قدمت دراسة تفسير الرنين المغناطيسي بالذكاء الاصطناعي من قبل باحثي جامعة ميتشغان. قاد الورقة جراح الأعصاب وأستاذ مساعد جراحة الأعصاب في كلية الطب بجامعة ميتشغان، تود هولون، وعالم بيانات مختبر التعلم الآلي في جراحة الأعصاب، سمير حراكة.
تُدرج الدراسة في القائمة فايكاس جولاني، د.م.د.، أسادور شودري، م.س.، سومايانيل بانيرجي، م.س.، رايتشل جولوجورسكي، شيكسوان ليو، آنا-كاثارينا مايسنر، د.م.، أكشاي راو، تشينهوي تشاو، أكهيل كونديبودي، تشنغ جيانغ، شينهائي هو، روشكيش س. جوشي، د.م.، فولكر نيوشميلتينغ، د.م.، أشوك سرينيفاسان، د.م.، دون كليندورفر، د.م.، بريان أتي، د.ك., أديا باندي، د.م., وهونغلاك لي، د.ك. كمساهمين. إلى جانب الدعم المالي من المعهد الوطني للاضطرابات العصبية والسكتة الدماغية التابع للمعاهد الوطنية للصحة.
التطوير المستقبلي للذكاء الاصطناعي في التصوير العصبي
يعترف المهندسون بأنهم لا يزالون في المراحل الأولى من عملهم، لكن النتائج تبدو واعدة. الآن، هدفهم هو تخصيص النظام، مما يتيح للذكاء الاصطناعي الوصول إلى السجلات الطبية وإصدار تشخيصات بناءً على جميع البيانات المتاحة في الوقت الفعلي.
الاستثمار في تكامل الذكاء الاصطناعي / الرعاية الصحية
يتسارع تأثير دمج الذكاء الاصطناعي في التصوير الطبي. على عكس مصنعي الأجهزة المتنوعين، تبني جيل جديد من الشركات منصات راديولوجية أصيلة للذكاء الاصطناعي صُممت خصيصًا لتحسين سرعة التشخيص، وكفاءة سير العمل، واتخاذ القرارات السريرية. إليكم شركة عامة واحدة تتواجد مباشرة في مجال التصوير المدعوم بالذكاء الاصطناعي.
RadNet (RDNT)
RadNet هي واحدة من أكبر مزودي التصوير التشخيصي الخارجي في الولايات المتحدة، وتدير مئات مراكز التصوير في جميع أنحاء البلاد. تأسست الشركة عام 1981، ونمت لتصبح منصة تصوير متكاملة رأسياً تجمع بين خدمات الراديولوجيا والذكاء الاصطناعي من خلال شركة DeepHealth التابعة لها.
بدلاً من اعتبار الذكاء الاصطناعي إضافة، دمجت RadNet التعلم الآلي مباشرة في سير عمل التصوير. من خلال الاستحواذات والتطوير الداخلي، بنت الشركة أدوات ذكاء اصطناعي مصممة لمساعدة أطباء الأشعة في اكتشاف سرطان الثدي، والعقيدات الرئوية، والاضطرابات العصبية، وغيرها من الحالات مبكرًا وبشكل أكثر اتساقًا.
(RDNT )
جاء نقطة تحول رئيسية مع توسيع DeepHealth، قسم الذكاء الاصطناعي في RadNet، الذي يركز على نشر الخوارزميات المعتمدة من إدارة الغذاء والدواء عبر شبكة التصوير الخاصة بها. من خلال الجمع بين بيانات التصوير المملوكة وتطوير الذكاء الاصطناعي، تستفيد RadNet من كل من إيرادات الخدمات وقدرات التشخيص المعززة بالبرمجيات.
يوفر هذا النهج المتكامل رأسياً ميزة تنافسية: تغذي البيانات السريرية الواقعية تحسين الخوارزميات، بينما تعزز أدوات الذكاء الاصطناعي الإنتاجية والدقة التشخيصية داخل مراكز التصوير الخاصة بها.
توسيع منصة التصوير المدفوعة بالذكاء الاصطناعي
تواصل RadNet توسيع محفظتها من الذكاء الاصطناعي من خلال الشراكات والاستحواذات، مستهدفة نشر أدوات الدعم التشخيصي على نطاق واسع عبر تخصصات الراديولوجيا. مع تطور نماذج السداد وزيادة حجم التصوير، قد تحسن أنظمة الفرز والكشف المدعومة بالذكاء الاصطناعي هوامش الربح بشكل ملحوظ مع تقليل عبء عمل أطباء الأشعة.
للمستثمرين الباحثين عن تعرض لتصوير طبي مدفوع بالذكاء الاصطناعي مع رافعة تشغيلية مباشرة، تمثل RadNet فرصة تركيز أكثر على أتمتة الراديولوجيا مقارنةً بتجمعات التقنية الطبية المتنوعة.
