تطوير نموذج تعلّم عميق للكشف عن علامات السل على صور الأشعة الصدرية بين المهاجرين واللاجئين إلى الولايات المتحدة

أعلنت دراسة جديدة عن تطوير نموذج متقدم للتعلم العميق يساعد في اكتشاف علامات السل على صور الأشعة الصدرية لدى المهاجرين واللاجئين المتوجهين إلى الولايات المتحدة، وذلك ضمن إجراءات الفحص الطبي الخارجي التي يشرف عليها مركز السيطرة على الأمراض والوقاية منها (CDC). يهدف هذا النموذج إلى تحسين دقة وسرعة الكشف عن السل في صور الأشعة، خاصةً في الفحوصات الإلزامية التي تُجرى للأشخاص البالغين 15 عامًا فأكثر قبل دخولهم الولايات المتحدة.

السل يُعد من الأمراض المعدية التي تتطلب الكشف المبكر للحد من انتشاره، ويعتمد في تشخيصه بشكل كبير على صور الأشعة الصدرية. وعلى الرغم من أن مواقع الفحص الفردية غالبًا ما تنفذ برامج مراقبة الجودة لضمان تفسير الأشعة السينية بشكل صحيح، إلا أن مراكز السيطرة على الأمراض والوقاية منها لا تمتلك حاليًا طريقة لإجراء مراجعات مماثلة لمراقبة الجودة على نطاق واسع. هذا النموذج الجديد للتعلم العميق يملأ هذه الفجوة عبر استخدام خوارزميات معقدة لتحديد الصور غير الطبيعية، خاصةً تلك التي قد تشير إلى إصابات بالسل، وأيضًا تصنيف النتائج الشعاعية مثل التجاويف والارتشاحات في الرئة.

تم تدريب هذا النموذج باستخدام 152,012 صورة أشعة رقمية لمتقدمين تتراوح أعمارهم من 15 عامًا فما فوق، مما أعطى النموذج مرونة في الكشف عن الحالات بفعالية عالية. في اختبارات النموذج الداخلية، أظهر أداءً ممتازًا في تحديد الحالات المشبوهة للسل بدقة عالية (بنسبة 97% مساحة تحت المنحنى AUC)، وأثبت دقة كبيرة في تقدير معدلات الانتشار ضمن العينات (-2% خطأ مطلق في النسبة المئوية).

وعند اختباره على مجموعات بيانات خارجية، أظهر النموذج دقة متناسقة في اكتشاف الحالات العامة غير الطبيعية (AUC بين 0.89 و0.92) وتلك المشيرة إلى السل (AUC بين 0.94 و0.99). هذه الدقة ظهرت عبر مجموعة من المقاييس المهمة، بما في ذلك الحساسية والنوعية ومعدل الخطأ، مما يعزز الاعتماد على هذا النموذج في عمليات فحص الصور الشعاعية على نطاق واسع.

يعد هذا الإنجاز خطوة هامة لدعم أنشطة مراقبة الجودة لصور الأشعة الصدرية في مركز السيطرة على الأمراض، ويوفر أداة فعالة تساعد على الكشف السريع والدقيق عن السل بين المهاجرين واللاجئين، مما يسهم في الحفاظ على الصحة العامة عبر الحدود.

المقالة البحثية: Development and validation of a deep learning model for detecting signs of tuberculosis on chest radiographs among US-bound immigrants and refugees

طباعة المقال