في خطوة ثورية نحو تحسين تشخيص تمدد الأوعية الدموية داخل الجمجمة (Intracranial Aneurysms - IAs)، قدم باحثون دراسة جديدة تشير إلى تكنولوجيا حديثة تعتمد على تمثيل توبولوجي. تعاني تقنيات الكشف التقليدية، مثل الشبكات العصبية التلافيفية (Convolutional Neural Networks - CNNs)، من معدلات عالية من الإيجابيات الكاذبة، حيث ترتبط حساسية الكشف بانخفاض حاد في الحالات الصغيرة التي تقل عن 3 مم.

تقنية التكتل المعروضة تركز على استخدام التحويل الهندسي الأوتار الناعمة (Smooth Euler Characteristic Transform - SECT)، الذي يمثل الجيومتري الوعائي الثلاثي الأبعاد بشكل مستقل عن الكثافة. من خلال هذا، كان بإمكان الباحثين تقليل التباس النتائج بين تمدد الأوعية الدموية والتفرعات الوعائية، مما يحسن بشكل كبير دقة الكشف.

تمت التجربة على مجموعة مختارة من بيانات RSNA 2025، حيث أظهرت تقنية SECT أداءً متميزًا، حققت AUC (Area Under Curve) يبلغ 0.943، مما يتجاوز الطرق التقليدية التي سجلت AUC تقريباً 0.68. والجدير بالذكر أن أداء هذه التقنية كان مثيرًا للإعجاب في فئات الأبعاد الصغيرة حيث حافظت على دقة AUC بمقدار 0.943 وحساسية تصل إلى 78.5% مع 95% من الخصوصية.

تتميز هذه التقنية أيضًا بقدرتها على العمل مع أجهزة التصوير المختلفة، حيث سجلت AUC بمتوسط يصل إلى 0.927 عند تطبيق تقنية (Leave-One-Scanner-Out - LOGO) عبر مصنعي أجهزة تصوير مختلفين.

تلتقط الطريقة الجديدة خصائص هندسية غير متجانسة بدلاً من الاعتماد على أنماط الكثافة، مما يجعلها أداة فعالة في تحسين قدرات أنظمة التشخيص بالذكاء الاصطناعي. بإمكان هذه التقنية المبتكرة الآن أن تلعب دورًا محوريًا كفلتر موثوق لمجموعات البيانات الكبيرة المستخدمة في عمليات التشخيص.

ما رأيكم في هذه الابتكارات في مجال الذكاء الاصطناعي؟ هل تعتقدون أن هذه التقنيات ستغير مجرى الفحص الطبي؟ شاركونا آراءكم!