تتوالى الابتكارات في مجال الرعاية الصحية بفضل تقنيات الذكاء الاصطناعي، وآخرها كشف العيوب في صور الرنين المغناطيسي (MRI). حيث أظهرت دراسة جديدة أن بإمكان الذكاء الاصطناعي تحقيق تقدم ملحوظ في رصد وتحليل العيوب السريرية من خلال إطار عمل غير مُراقب.

من المعروف أن أنظمة الذكاء الاصطناعي بدأت تلعب دورًا متزايدًا في سير العمل الإشعاعي، إلا أن هذه الأنظمة لا تزال تواجه تحديات عند التعامل مع بيانات صور خارج التوزيع، مما قد يؤدي إلى سلوكيات غير متوقعة في المهام السريرية.

تستند الدراسة إلى تطوير إطار عمل آلي بالكامل للكشف عن العيوب في صور الرنين المغناطيسي للحوض والدماغ، حيث تم تدريب النظام في مرحلتين على بيانات من مجموعات بيانات عامة مثل LUND-PROBE لرنين الحوض و IXI و fastMRI لرنين الدماغ.

في المرحلة الأولى، تم ضغط شرائح صور الرنين المغناطيسي إلى رموز مميزة، وفي المرحلة الثانية تم نمذجة توزيع الرموز الطبيعية. تم تقييم وجود العيوب من خلال دمج الفروق في الصور مع تقييم مفاجئة الرموز الرقمية.

اختبرت الدراسة النظام الجديد على صور الرنين المغناطيسي للحوض، بما في ذلك عيوب افتراضية وعيوب سريرية حقيقية، مع تقييم دقة الكشف عبر عدة مقاييس مثل حساسية، وخصوصية، ومنطقة تحت منحنى التشغيل (AUC).

النتائج أظهرت قدرة النظام على تحقيق دقة قوية في الكشف عبر مجموعات تقييم مخفية، حيث سجلت AUC تصل إلى 0.97 في حالات الرنين المغناطيسي للحوض و0.81 في حالات الدماغ. كما أظهرت تحليلات الخرائط الحرارية تطابقًا قويًا بين العيوب المكتشفة والمواقع الحقيقية، مما يدعم دقة تحديد المواقع وسهولة التفسير.

تفتح هذه النتائج آفاقًا جديدة لتحسين جودة التحكم في صور الرنين المغناطيسي في بيئات الرعاية الصحية، مما يوفر طبقة آلية من الكشف يمكن أن تدعم المهام السريرية المدعومة بالذكاء الاصطناعي.