إطار عمل ذكاء اصطناعي ثوري لفهم العلاقة بين البنية والألم في التهاب المفاصل العظمي!

في خطوة مثيرة نحو تحسين رعاية المرضى، قام باحثون بتطوير إطار عمل ذكاء اصطناعي (AI) يمكن الاعتماد عليه وذو قابلية تفسير عالية لدراسة العلاقة بين التغيرات الهيكلية والألم في التهاب المفاصل العظمي. يعتمد هذا الإطار على بيانات مبادرة التهاب المفاصل العظمي (Osteoarthritis Initiative - OAI) ويجمع بين تقنيات التعلم العميق والرصد الإحصائي لفهم أفضل للعوامل المرتبطة بالألم.

**الأهداف والطرق**
يتألف الإطار من نموذج تقدير يعتمد على التعلم العميق للتنبؤ برموز الركبة لالتهاب المفاصل (MOAKS) باستخدام صور الأشعة السينية للركبة. تُستخدم التنبؤات مع التركيز على الانتقاء المعتمد على الثقة، مما يضمن بقاء التنبؤات ذات التأكيد العالي فقط. هذا يعزز فعالية التحليلات من خلال تقليل الشكوك حول النتائج.

بالإضافة إلى ذلك، تم استخدام نموذج مختلط لامودي طويل الأجل (Longitudinal Latent Class Mixed Model - LCMM) لدراسة الترابطات بين التغيرات الهيكلية المختلفة وقياسات الألم. تم تحديد ثلاث تغييرات هيكلية رئيسية: آفات نقي العظم (Bone Marrow Lesions - BML)، وفقدان الغضروف (Cartilage Loss - CART)، واستئصال الغضروف الهلالي (Meniscal Extrusion - ME).

**النتائج**
حقق الإطار تحسناً كبيراً في دقة التوقعات، حيث ارتفع معامل ارتباط ماثيوز (Matthews Correlation Coefficient - MCC) من 0.69 إلى 0.91 لآفات نقي العظم، ومن 0.45 إلى 0.80 لفقدان الغضروف، ومن 0.59 إلى 0.89 لاستئصال الغضروف الهلالي. مع هذه التوقعات عالية الثقة، تم توسيع العينة لتحليل LCMM لتشمل 2,175 ركبة.

تم تحديد نمطين مختلفين من الألم: الأول يتمثل في تقدم الألم السريع، والثاني في تقدم الألم الثابت. أظهرت النتائج ارتفاع في نسب الأرجحية لمجموعة التقدم السريع: 1.62 (1.12-2.35) لآفات نقي العظم، 1.83 (1.24-2.70) لفقدان الغضروف، و2.50 (1.75-3.57) لاستئصال الغضروف الهلالي.

**في الختام**
تؤكد هذه النتائج على أهمية التغيرات الهيكلية كمحددات رئيسية للألم والتدهور الوظيفي في التهاب المفاصل العظمي. إن فهم هذه العلاقات قد يسهم في تطوير استراتيجيات علاجية أفضل وتحسين جودة حياة المرضى.