معلوماتية التصوير

على الرغم من أن مجال معلوماتية التصوير يعتمد على قوة الحوسبة الحديثة، إلا أن جذوره تعود إلى فجر القرن العشرين. ففي 8 نوفمبر 1895، لاحظ الفيزيائي الألماني فيلهلم كونراد رونتغن تقنية تصوير جديدة أطلق عليها اسم " الأشعة السينية " خلال تجاربه. وقد أدى هذا الاكتشاف إلى نشأة مجال التصوير الطبي، وأطلق بدوره موجة جديدة من الابتكار البشري. ^{[ 2 ]}

ظلت الأشعة السينية التقنية الوحيدة للتصوير الطبي لعدة عقود بعد اكتشافها. إلا أن منتصف القرن العشرين شهد توسعًا كبيرًا في مجال التصوير الطبي. وشملت التقنيات الجديدة: التصوير المقطعي المحوسب (CT) لتصوير الأنسجة الرخوة بدقة عالية؛ والتصوير بالرنين المغناطيسي (MRI) الذي يُعدّ معيارًا حديثًا لتصوير الأنسجة الرخوة؛ والموجات فوق الصوتية التي تستخدم الموجات الصوتية للحصول على صور أقل تكلفة؛ والتصوير النووي والماسحات الضوئية الهجينة للتصوير الوظيفي والتصوير بدقة مكانية أعلى، وذلك من خلال دمج تقنيات متعددة. ^{[ 3 ]}

مع ازدياد تطور تقنيات التصوير الطبي، ازداد حجم المعلومات التي يُتوقع من متخصصي التصوير الطبي معالجتها. بالإضافة إلى ذلك، ساهمت الثورة الرقمية في منتصف القرن العشرين في زيادة كمية البيانات التي يمكن لهذه التقنيات جمعها. ونتيجة لذلك، أصبح العامل المحدد الرئيسي في مجال التصوير الطبي هو عجز الإنسان عن تفسير كميات هائلة من البيانات بدقة. ^{[ 4 ]} ومن هنا، برزت الحاجة إلى مساعدة حاسوبية في تحليل الصور الرقمية المعقدة وتخزينها ومعالجتها. وقد طُوِّرت المعلوماتية التصويرية الحديثة لتلبية هذه الاحتياجات.

يُعدّ علم المعلوماتية التصويرية مجالًا واسعًا ذا مجالات اهتمام عديدة ، مما يجعل تطوره تتويجًا لتطور تقنيات فردية متنوعة. وفيما يلي بعض الابتكارات الرئيسية في هذا المجال:

نظام أرشفة الصور والاتصالات (PACS)

ساهم تطوير أنظمة أرشفة الصور والاتصالات (PACS) في انتشار استخدام أنظمة تخزين واسترجاع الصور في الممارسات الطبية. ^{[ 5 ]} علاوة على ذلك، استلزمت هذه التقنية الجديدة تطوير تقنيات أخرى. وسرعان ما أدرك العالم ضرورة وضع معايير للتصوير الرقمي نظرًا لتأثير أنظمة PACS على المجتمع الطبي. واستجابةً لهذا القلق، أنشأت الكلية الأمريكية للأشعة (ACR) والرابطة الوطنية لمصنعي المعدات الكهربائية (NEMA) لجنة معايير التصوير الرقمي والاتصالات (التي أصبحت فيما بعد DICOM). ^{[ 6 ]}

يُحدد معيار التصوير الرقمي والاتصالات في الطب (DICOM) مخططًا هيكليًا متطورًا يدمج بيانات التصوير الطبي مع مُعرّفات المرضى ذات الصلة في مجموعات بيانات موحدة، على غرار البيانات الوصفية المُضمنة في صور JPEG. تتكون كيانات DICOM هذه من سمات متعددة، أبرزها بيانات البكسل المُغلفة، والتي تُقابل في بعض طرائق التصوير صورًا منفصلة، ​​أو بديلًا لذلك، مصفوفة من الإطارات التي تُجسد بيانات حركية أو حجمية، كما هو الحال في حلقات الفيديو أو عمليات المسح متعددة الأبعاد في الطب النووي. يُتيح هذا التصميم دمج البيانات المعقدة والمتعددة الأوجه في ملف DICOM متكامل. يدعم المعيار طيفًا واسعًا من خوارزميات ضغط بيانات البكسل، بما في ذلك على سبيل المثال لا الحصر JPEG وJPEG 2000، ويسمح مبدئيًا بضغط مجموعات البيانات بشكل شامل. يحدد معيار DICOM ثلاثة ترميزات لعناصر البيانات، مع تفضيل تمثيلات القيم الصريحة، باستثناء حالات محددة كما هو موضح في الجزء الخامس من دليل DICOM. ويُطبق هذا المعيار بشكل موحد عبر تطبيقات متنوعة، ويتضمن عادةً رأسًا يحتوي على السمات والبيانات الأساسية للتطبيق الأصلي.

تدمج آلية العمل المقترحة استخدام تقارير DICOM المنظمة (SR)، حيث تُشفّر القياسات الأساسية ككائنات DICOM SR. تُستخدم هذه الكائنات بعد ذلك لملء نموذج SR مُحدد مسبقًا، مما ينتج عنه تقرير موحد يتألف من عناصر بيانات منفصلة. يُرسل هذا التقرير لاحقًا إلى نظام السجلات الطبية الإلكترونية (EMR). تُسهّل البيانات المنفصلة المستخرجة من هذه التقارير المراقبة الطولية لمؤشرات المرضى الفردية، أو تُرسل إلى سجلات البيانات، أو تُستخدم لأغراض البحث السريري. ^{[ 12 ]}

صُمم برنامج DDInteract لتعزيز التعاون بين ممارسي الرعاية الصحية والمرضى، بهدف تحديد النهج العلاجي الأمثل الذي يقلل من مخاطر التفاعلات الدوائية المحتملة. وتنقسم واجهة المستخدم الخاصة ببرنامج DDInteract إلى أربعة أقسام رئيسية.

يمكن تمثيل بيانات الأدوية عبر مجموعة متنوعة من موارد FHIR (موارد التشغيل البيني السريع للرعاية الصحية)، مما يستلزم تحليلًا دقيقًا من قِبل DDInteract. فعلى وجه التحديد، يُستخدم MedicationRequest للأدوية الموصوفة للمريض؛ بينما يغطي MedicationDispense الأدوية التي تم تسليمها فعليًا للمريض؛ أما MedicationStatement فيتعلق بالأدوية التي أفاد المريض بتناولها أو يتناولها حاليًا. ومن الممكن تمثيل دواء واحد في نماذج موارد متعددة، مع إمكانية دمج البيانات المكررة في سجل واحد بناءً على أحدث تاريخ وتسلسل هرمي محدد بين أنواع الموارد.

لتحسين كفاءة استرجاع البيانات من خادم FHIR، لا تُؤخذ جميع حالات صرف الأدوية في الاعتبار. بل تُدرج فقط الموارد النشطة حاليًا أو التي كانت نشطة خلال المئة يوم الماضية، وذلك التزامًا بالبروتوكول الأمريكي السائد الذي يسمح عادةً بصرف الأدوية لمدة لا تتجاوز ثلاثة أشهر.

نظام إدارة الجودة (QMS) هو بنية متكاملة تشمل الهيكل التنظيمي، وتخصيص الموارد، وخبرات الموظفين، ومستودع الوثائق والإجراءات التي تُسهم مجتمعةً في ضمان جودة منتجات وخدمات المؤسسة وتحسينها. وهو يُحدد مجموعة من الإجراءات المُنسقة بشكل منهجي والضرورية لإدارة معايير الجودة وتحسينها. وتبرز مجموعة معايير ISO 9000 كأبرز المخططات المعتمدة عالميًا لتطبيقات أنظمة إدارة الجودة، بينما يُوفر معيار ISO 15189 إطارًا متخصصًا مُصممًا خصيصًا لتلبية متطلبات بيئات المختبرات السريرية. ^{[ 13 ]}

أجرت مراجعة منهجية تقييمًا نقديًا لتصميم الدراسات ومعايير الإبلاغ ومخاطر التحيز وصحة الادعاءات فيها، والتي تقارن فعالية خوارزميات التعلم العميق التشخيصية في التصوير الطبي بخبرة الأطباء. استُخدمت في هذه المراجعة بيانات من قواعد بيانات بارزة تغطي الفترة من عام 2010 إلى يونيو 2019، واستهدفت تحديدًا الدراسات التي تتناول الشبكات العصبية الالتفافية (CNNs)، المعروفة بقدرتها على تمييز السمات الأساسية لتصنيف الصور في السياقات الطبية بشكل مستقل. كشف البحث عن نقص ملحوظ في التجارب السريرية العشوائية المتعلقة بهذا الموضوع، إذ لم يُعثر إلا على عشر دراسات من هذا النوع، نُشرت اثنتان منها فقط، وتتميزان بانخفاض مخاطر التحيز والتزام ملحوظ ببروتوكولات الإبلاغ. أما الدراسات الـ 81 غير العشوائية التي تم العثور عليها، فكانت أقلية منها دراسات مستقبلية أو تم التحقق من صحتها في بيئات سريرية عملية، بينما أظهرت الأغلبية مخاطر تحيز عالية، والتزامًا دون المستوى المطلوب بمعايير الإبلاغ، ونقصًا واضحًا في إمكانية الوصول إلى البيانات والبرمجيات. تؤكد هذه المراجعة على ضرورة زيادة عدد الدراسات المستقبلية والتجارب العشوائية، وتدعو إلى تقليل التحيز، وتعزيز الملاءمة السريرية، وزيادة الشفافية، والتوصل إلى استنتاجات أكثر دقة في المجال المتنامي لتطبيق التعلم العميق على التصوير الطبي. ^{[ 14 ]}

أدى النمو الهائل في البيانات الرقمية، إلى جانب القدرات الحاسوبية المتطورة، إلى تسريع ملحوظ في التقدم في مجال الذكاء الاصطناعي، الذي يُدمج الآن تدريجيًا في الرعاية الصحية. تهدف تطبيقات الذكاء الاصطناعي هذه إلى تحسين التشخيص والعلاج والتنبؤ من خلال نماذج تصنيف وتنبؤ متطورة. ومع ذلك، فإن تطور هذه التقنيات يعيقه نقص معايير الإبلاغ الدقيقة المتعلقة بمصادر البيانات، وبنية النموذج، والمنهجيات المستخدمة في تقييم النموذج والتحقق من صحته. واستجابةً لذلك، نقترح مبادرة MINIMAR (الحد الأدنى من المعلومات للإبلاغ عن الذكاء الاصطناعي الطبي)، وهي مبادرة مصممة لوضع معايير أساسية لفهم التنبؤات القائمة على الذكاء الاصطناعي، والفئات السكانية المستهدفة، والتحيزات الكامنة، والقدرة على تعميم هذه التقنيات. ونحث على اعتماد بروتوكولات موحدة لضمان الإبلاغ عن تطبيقات الذكاء الاصطناعي في الرعاية الصحية بدقة ومسؤولية، مما يسهل تطوير ونشر أدوات دعم القرار السريري ذات الصلة، مع معالجة المخاوف الجوهرية المتعلقة بالدقة والتحيز في الوقت نفسه. ^{[ 15 ]}

كشرط أساسي، ينبغي أن يستوفي المعيار المقترح عدة معايير جوهرية: أولاً، أن يتضمن تفاصيل شاملة حول السكان الذين استُمدت منهم بيانات التدريب، مع تحديد مصادر البيانات والأساليب المستخدمة لاختيار المجموعة. ثانياً، يجب توثيق الخصائص الديموغرافية لبيانات التدريب بشكل واضح لتسهيل إجراء مقارنة جوهرية مع الخصائص الديموغرافية للسكان الذين يُراد تطبيق النموذج عليهم. ثالثاً، يجب الكشف بشكل كامل عن بنية النموذج وعملية تطويره للسماح بتفسير واضح للغرض المقصود من النموذج، ومقارنته بنماذج مماثلة، ولتمكين تكراره بدقة. رابعاً، يجب الإبلاغ بشفافية عن عملية تقييم النموذج وتحسينه والتحقق من صحته لتوضيح الوسائل التي يتم من خلالها تحقيق التحسين الأمثل للنموذج محلياً، ولدعم التكرار ومشاركة الموارد. ^{[ 15 ]}

تُعدّ معلوماتية التصوير الطبي بارزةً بشكلٍ خاص في مجال الأشعة. وباستخدام الذكاء الاصطناعي، يُمكن لأخصائيي الأشعة الاستفادة من معلوماتية التصوير الطبي لتسهيل عملهم وتوفير الوقت أثناء تحليل الصور. وقد كشفت دراسة نُشرت في مجلة "Current Medical Imaging" أن وقت قراءة صور الأشعة المقطعية المُساعدة بالذكاء الاصطناعي للكشف عن عُقيدات الرئة والانصباب الجنبي قد انخفض بأكثر من 44% بالنسبة لأخصائيي الأشعة. ^{[ 18 ]}

تُسهم المعلوماتية التصويرية في مجال أمراض القلب في تحديد النمط الظاهري الجزيئي لأمراض القلب والأوعية الدموية وتوحيد المعرفة المتعلقة بها. ^{[ 19 ]} وهذا يعني أنه من خلال استخلاص البيانات، والتصوير، وتحليل هذه البيانات والصور باستخدام التعلم الآلي، يتمكن الباحثون من تصنيف الأمراض بناءً على الخصائص أو السمات المكتشفة. وبفضل هذا التصنيف، يستطيع الباحثون توحيد معلومات أمراض القلب والأوعية الدموية في منصة واحدة لمواصلة التحليل واسترجاع المعلومات.

تتيح المعلوماتية التصويرية في علم الأمراض عمومًا نطاقًا واسعًا من الكشف عن الأمراض وتحليلها. ويُعدّ الكشف عن أنواع السرطان المختلفة وتحليلها أبرز استخداماتها في هذا المجال. ويُعتبر تشخيص السرطان يدويًا عملية شاقة وذاتية، تتضمن فحص ملايين الخلايا. ومن خلال أنظمة دعم القرار السريري المختلفة، يُمكن للمختصين تسهيل عملية اختيار مناطق الأنسجة يدويًا، باستخدام أدوات التصوير بالشرائح الكاملة (WSI) لتعظيم المعلومات المُحللة. وقد طُوّرت العديد من النماذج التنبؤية لتحديد المناطق المهمة ضمن التصوير بالشرائح الكاملة، والتي تتطلب تدريبًا قبل استخدامها. ويجري حاليًا إدخال نماذج غير مُشرفة، ولكنها أقل انتشارًا. ومن الأمثلة على استخدام نموذج غير مُشرف، الكشف عن طيات الأنسجة باستخدام طريقة غير مُشرفة لتجميع البكسلات في الصورة، والتي تُمثل الفرق بين قيم التشبع والشدة لكل بكسل. ونظرًا لكونها نموذجًا غير مُشرف، فإن لهذه الطريقة بعض القيود. تتمثل هذه القيود في انخفاض حساسيته لأنواع مختلفة من طيات الأنسجة داخل الصورة، وانخفاض خصوصيته للصور الخالية من طيات الأنسجة. ^{[ 20 ]}

ساهم توسيع معايير DICOM في تسهيل اعتماد أنظمة أرشفة الصور والاتصالات (PACS) على نطاق واسع، مما شكل علامة فارقة في التحول الرقمي لمعلوماتية التصوير الطبي. وقد عزز هذا التوحيد القياسي، الذي بدأ في أواخر التسعينيات واكتمل بحلول أوائل الألفية الثانية، القدرة على تخزين واسترجاع ومشاركة الصور الطبية عبر أنظمة مختلفة، مما أدى إلى تحسين كفاءة ممارسات التصوير الطبي. ^{[ 23 ]}

يهدف اعتماد التقارير المنظمة إلى توحيد التقارير لتكون موجزة وموحدة، مما يؤثر إيجابًا على رعاية المرضى. ويُعدّ إدخال نظام BI-RADS (نظام تصوير الثدي - إعداد التقارير والبيانات) مثالًا بارزًا على ذلك، إذ أدى إلى تحسين اتساق تقارير التصوير الشعاعي للثدي . وقد امتد هذا الإنجاز على مدى عدة سنوات، حيث جرى تطوير هذه الأنظمة واعتمادها على نطاق أوسع خلال أوائل العقد الثاني من القرن الحادي والعشرين. ^{[ 23 ]}

بدأ إدراك إمكانية استخدام وحدات معالجة الرسومات (GPUs) لتسريع الشبكات العصبية في عام 2012 تقريبًا. وقد أدى هذا التقدم إلى التطور السريع لتقنيات التعلم العميق ، مما ساهم في تسريع مهام مثل تجزئة الصور ، والتعرف على الميزات ، وإنشاء الخوارزميات من مجموعات بيانات ضخمة من الصور المصنفة . وقد مكّن هذا العصر من الذكاء الاصطناعي من تطوير خوارزميات عالية الأداء قادرة على المساعدة في مئات المهام التشخيصية. ^{[ 23 ]}

شهد مجال علم الراديوميات ، الذي يتضمن استخلاص السمات الكمية من الصور الطبية غير المرئية للعين المجردة، نموًا ملحوظًا في أواخر العقد الثاني من الألفية الثانية. وقد مكّن هذا النهج من إجراء تحليل أعمق لبيانات التصوير، والتي يمكن ربطها بالأنماط الجينومية وغيرها من البيانات الطبية لتعزيز دقة التشخيص والتنبؤ. ^{[ 23 ]}

كان تطوير أجهزة الكشف عن عدّ الفوتونات (PCD) وحصولها على موافقة إدارة الغذاء والدواء الأمريكية ( FDA ) في عام 2022 ابتكارًا هامًا. توفر هذه الأجهزة عملية أكثر كفاءة لتحويل الأشعة السينية إلى إشارات كهربائية، مما يسمح بتمييز أفضل للمواد وتقليل جرعة الإشعاع التي يتعرض لها المرضى. تُظهر الصورة على اليمين مسحين لنفس الدماغ باستخدام تقنية التصوير المقطعي المحوسب القديمة والحديثة على التوالي. ^{[ 24 ]}

شهدت السنوات الأخيرة تطورات ملحوظة في تقنيات البرمجيات المتعلقة بمعلوماتية التصوير الطبي. ومن أبرز هذه التطورات دمج خوارزميات التعلم الآلي في برامج التصوير، مما يتيح التحليل والتفسير الآلي للصور الطبية. فعلى سبيل المثال، أثبت راجبوركار وآخرون (2017) فعالية خوارزميات التعلم العميق في الكشف عن الالتهاب الرئوي في صور الأشعة السينية للصدر، مما يُبرز إمكانات التعلم الآلي في تحليل الصور الطبية. ^{[ 27 ]} وقد أظهرت هذه الخوارزميات نتائج واعدة في مهام مثل الكشف عن الآفات، وتصنيف الأمراض، وتقييم الاستجابة للعلاج. علاوة على ذلك، سهّل تطبيق تقنيات معالجة اللغة الطبيعية استخلاص رؤى قيّمة من تقارير الأشعة غير المنظمة، مما عزز كفاءة تحليل البيانات وعمليات اتخاذ القرار.

لعبت التطورات في تكنولوجيا الأجهزة دورًا محوريًا في تشكيل مجال معلوماتية التصوير. فقد أدى تطور تقنيات التصوير، مثل التصوير بالرنين المغناطيسي (MRI) والتصوير المقطعي المحوسب (CT) والتصوير المقطعي بالإصدار البوزيتروني (PET)، إلى تحسينات في دقة الصورة وسرعة الحصول عليها ودقة التشخيص. ^{[ 28 ]} بالإضافة إلى ذلك، مكّن تصغير أجهزة التصوير من إجراء التصوير عند نقطة الرعاية، مما يسمح بتقييم المرضى في الوقت الفعلي في مختلف البيئات السريرية. فعلى سبيل المثال، أحدث تطوير أجهزة الموجات فوق الصوتية المحمولة ثورة في التصوير عند نقطة الرعاية، إذ زوّد الأطباء بأدوات محمولة وسهلة الاستخدام لإجراء الفحوصات بجانب سرير المريض (سميث، 2018). كما ساهم ظهور الأجهزة القابلة للارتداء وتطبيقات الصحة المتنقلة في توسيع نطاق معلوماتية التصوير، مما سهّل التصوير عن بُعد ومراقبة المرضى باستخدام أجهزة الاستشعار والكاميرات. ^{[ 28 ]}

إلى جانب الابتكارات التكنولوجية، ساهمت التطورات المنهجية في توسيع إمكانيات المعلوماتية التصويرية. ومن بين هذه التطورات دمج تقنيات التصوير متعددة الوسائط، التي تجمع البيانات من وسائط تصوير متعددة لتوفير معلومات تكميلية حول التراكيب التشريحية والفيزيولوجية. فعلى سبيل المثال، أظهرت دراسات حديثة فعالية دمج بيانات التصوير بالرنين المغناطيسي والتصوير المقطعي المحوسب والموجات فوق الصوتية لتحسين التشخيص والتخطيط العلاجي لمرضى الأورام (غوبتا وآخرون، 2020). ^{[ 29 ]} ومن خلال دمج البيانات من هذه المصادر، يستطيع الأطباء الحصول على فهم أشمل لحالة المريض، مما يؤدي إلى تشخيصات أكثر دقة وخطط علاجية مُخصصة.