في عالم الطب، يعتبر الدماغ من أكثر الأعضاء تعقيدًا، ويعتمد في تغذيته على شبكة متتالية من الأوعية الدموية. يعتمد الوعي بالأهمية الكبيرة للأوعية الدموية الصغيرة، خاصة على المقياس المتوسط (mesoscopic scale)، على فهم المخاطر الصحية المرتبطة بها، مثل أمراض الأوعية الصغيرة الدماغية (Cerebral Small Vessel Diseases). وفي خطوة مثيرة، أطلق تحدي SMILE-UHURA في إطار مؤتمر ISBI 2023 المقام في مدينة قرطاجنة بكولومبيا.

بدخول أنظمة الرنين المغناطيسي بتقنية 7 تسلا، بات بالإمكان الحصول على صور بدقة مكانية أعلى، مما يتيح تصور هذه الأوعية الدقيقة في الدماغ. لكن، كان العائق الأكبر هو نقص مجموعات البيانات المعلّمة المتاحة للجمهور، مما صعّب تطوير خوارزميات التصنيف المدعومة بالذكاء الاصطناعي. التحدي استهدف سد هذه الفجوة من خلال توفير مجموعة بيانات مرجعية لصور تصوير الأوعية الدموية بتقنية Time-of-Flight باستخدام رنين مغناطيسي 7 تسلا، تم إنشاؤها من خلال مزيج من التصنيف التلقائي والتنقيح اليدوي.

في هذا البحث، تم مقارنة 16 طريقة تم تقديمها واثنتين من طرق الأساس بشكل كمي ونوعي على مجموعتين مختلفتين من البيانات. كانت النتائج مشجعة، حيث حققت معظم طرق التعلم العميق درجات دقة متزايدة، وصلت إلى 0.838 ± 0.066 و0.716 ± 0.125 في مجموعتي البيانات، مع أداء متوسط بلغ 0.804 ± 0.15.

هذا التطور يعكس الأمل الكبير في تحسين أدوات التشخيص والتصنيف في مجال الطب العصبي، ويعطي دفعة قوية لبحوث الذكاء الاصطناعي ذات الصلة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.