تمكين الرعاية الأمومية في الخطوط الأمامية بالتصوير بالموجات فوق الصوتية المدعوم بالذكاء الاصطناعي

منظمة الصحة العالمية (WHO) تقدّر أن أكثر من 250,000 حالة وفاة يمكن تجنبها تحدث سنويًا حول العالم بسبب مضاعفات مرتبطة بالحمل. في حين يمكن للتصوير بالموجات فوق الصوتية قبل الولادة أن يحسّن النتائج وي قلّل وفيات الجنين والأم، فإن ثلثي الناس حول العالم يفتقرون إلى إمكانية الوصول إلى التصوير الطبي التشخيصي مثل الموجات فوق الصوتية. تعتمد الطرق الحالية الداعمة لصحة الأمهات بدرجة كبيرة على تدريب سريري متخصص، مما يترك الملايين في البيئات محدودة الموارد دون الوصول إلى فحص واحد بالموجات فوق الصوتية طوال فترة الحمل بأكملها.

رأينا فرصة لإجراء أبحاث لمعالجة هذه الحاجة الواقعية، من خلال تطوير أنظمة تعلّم الآلة التي تفحص الموجات فوق الصوتية من نوع "blind sweep" (المسح الأعمى). تتيح هذه الطريقة من الفحص للعاملين في الرعاية الصحية في الخطوط الأمامية، دون تدريب متخصص في تصوير الموجات فوق الصوتية، إجراء الفحوصات بمجرد تحريك مجسات موجات فوق صوتية منخفضة التكلفة ومحمولة عبر البطن وفق نمط موحد.

مخطط بروتوكول تسلسل المسح الأعمى بترتيب ظهوره في بروتوكول جمع البيانات.

نظرًا لأن العديد من المناطق تواجه نقصًا حادًا في الخبراء، ولأن تدريب أخصائيي الموجات فوق الصوتية التقليدي مكلف ويتطلب التزامًا يمتد لسنوات، فإن تمكين هؤلاء العاملين الصحيين من إجراء التقييمات بحد أدنى من التدريب لديه القدرة على توسيع نطاق تغطية الفحص قبل الولادة بشكل كبير.

إن الجمع بين متطلبات التدريب الدنيا وتفسيرات الذكاء الاصطناعي قد يعني في النهاية أداة مطوَّرة بنجاح لديها القدرة على زيادة إتاحة تقييم الحمل القائم على الموجات فوق الصوتية، وبالتالي تحسين الوصول إلى رعاية صحية أمومية ذات جودة أعلى.

في ورقة "تعميم تقييم عمر الحمل المعتمد على الذكاء الاصطناعي باستخدام التصوير بالموجات فوق الصوتية بالمسح الأعمى" المنشورة في JAMA Network Open، قيّمنا مدى فعالية نموذج ذكاء اصطناعي لتقييم العمر الحملي (مدى تقدم الحمل) في التعميم عبر بيئات سريرية وأجهزة متنوعة. بينما أثبت بحثنا السابق أداء النموذج على مرضى غير مألوفين من نفس المجموعة الاستعادية التي تعلّم منها، تُظهر هذه الدراسة المستقبلية الجديدة كيف يعمل نظام الذكاء الاصطناعي بموثوقية أثناء تشغيله المباشر على الأجهزة المحمولة في عيادات حقيقية، مع مشغلين مبتدئين فقط وأجهزة موجات فوق صوتية غير مألوفة، وضبط دقيق محدود للغاية.

“العمر الحملي هو في الأساس مدى تقدم المرأة في الحمل. جميع فحوصاتنا، وكثير من علاجاتنا، وكثير من مؤشراتنا للولادة تعتمد جميعها على هذا الخط الزمني الرئيسي الذي تحصل عليه من العمر الحملي.”

- نيكول يونغ-لين، طبيبة نساء وتوليد

تقييم الأداء عبر بيئات سريرية متنوعة

لكي يتمكن نظام ذكاء اصطناعي طبي من التوسع بأمان على الصعيد العالمي، يجب أن يُظهر قابلية التعميم — أي الحفاظ على أداء تشخيصي دقيق عند إدخاله إلى بيئات سريرية جديدة تختلف في تركيبة المرضى وسير العمل السريري وتنوع أجهزة الموجات فوق الصوتية عن تلك التي دُرّب النموذج عليها.

في هذه الدراسة، جرى ضبط نموذج الذكاء الاصطناعي الأصلي بشكل محدود على واحدة فقط من مجموعاتنا المستهدفة، ثم اختبر استقرافيًا عبر كلتا البيئتين المستهدفتين:

• Northwestern Medicine: مركز طبي أكاديمي حضري عالي الموارد في شيكاغو بولاية إلينوي، الولايات المتحدة.
• Jacaranda Health: شبكة عيادات مجتمعية حضرية في نيروبي، كينيا.

تم تدريب نظام الذكاء الاصطناعي البحثي في الأصل على بيانات موجات فوق صوتية جُمعت في ولاية كارولينا الشمالية وزامبيا باستخدام مجموعة من مجسات الموجات فوق الصوتية التجارية من Sonosite وGE وButterfly Networks، وتم إقران النظام مع Clarius C3، وهو مجس بطني محمول تجاري. وقد اختلفت هذه المواقع جميعها في أبعاد متعددة للرعاية، بما في ذلك توقيت حضور النساء لأول مرة لرعاية ما قبل الولادة، وعدد الموجات فوق الصوتية الروتينية التي يتلقينها، وكيفية تحديد العمر الحملي عادة.

لتقييم ضبط النظام بكفاءة، استفادت الدراسة من مجموعة بيانات تجريبية صغيرة تضم 120 مشاركًا من شيكاغو — أي ما يعادل تقريبًا 6% من مجموعة التدريب الأصلية — لتكييف النموذج مع عتاد مسبار جديد وتوسيع نطاق التنبؤ بالعمر الحملي ليصل إلى ما بعد 36 أسبوعًا. ولفهم قابلية التعميم، لم تُستخدم أي بيانات من موقع نيروبي في الضبط الدقيق، مع الحفاظ على التحقق السريري الكيني كاختبار خارجي مستقل تمامًا. ولتقييم الفائدة الشاملة، ضمّت الدراسة أيضًا حالات حمل متعدد الأجنة، والتي قد تشكل تحديات في التتبع والقياس لكل من المشغلين البشريين والأنظمة الآلية.

تم ضبط نموذج المسح الأعمى لدينا، المدرَّب على 1,968 مشاركًا (كارولينا الشمالية في الولايات المتحدة وزامبيا)، بدقة على الموجات من 120 مشاركًا من شيكاغو، إلينوي. ثم اختُبر توقعيًا في شيكاغو (n=192) ونيروبي (n=193)، دون أي ضبط دقيق على بيانات نيروبي. وكان النموذج غير أدنى من أخصائيي الموجات فوق الصوتية الخبراء في تحديد العمر الحملي، في كلتا البيئتين، بمتوسط خطأ مطلق مشترك بلغ 4.18 مقابل 4.48 يومًا.

النتائج الرئيسية: المواءمة مع المعيار الخبير

قارنا قدرة نظام الذكاء الاصطناعي على تقدير عمر الجنين من مسحات الموجات فوق الصوتية العمياء مع التقدير المعتمد على الصيغ من النهج الخبير السريري المعياري. يعتمد هذا النهج الخبير على تقني موجات فوق صوتية خبير لتحديد مقاطع عرضية محددة متعددة للأجنة لإجراء قياسات قياس الجنين الدقيقة، وهي مهمة يصعب توسيع نطاقها تتطلب سنوات من التدريب وتعتمد بدرجة كبيرة على المشغّل.

عند تقييم مجموعة أولية من 385 مشاركًا بين الأسبوع 16 والأسبوع 36 من الحمل، أظهرت الدراسة التشخيصية نتائج قوية لنظام الذكاء الاصطناعي:

• دقة غير أدنى سريريًا: عبر كلتا المجموعتين، حقق نموذج الذكاء الاصطناعي متوسط خطأ مطلق (MAE) قدره 4.18 يومًا في تقدير عمر الحمل، مما أثبت بنجاح عدم أدونته مقارنة بالإجراء السريري المعياري الذي يقوم به تقنيون خبراء، والذي كان متوسط خطأه المطلق 4.48 يومًا.
• التعميم عبر البيئات المختلفة: في شيكاغو، حقق النموذج المكيَّف متوسط خطأ مطلق قدره 4.10 أيام. وفي نيروبي، دون أي تحسين محلي، حقق النموذج متوسط خطأ مطلق مماثلًا قدره 4.27 يومًا.

كان خطأ نظام الذكاء الاصطناعي في تقدير عمر الحمل (متوسط خطأ مطلق 4.18 يومًا) غير أدنى مقارنة بقياسات التقنيين الخبراء (4.48 يومًا)، وبقي متسقًا من شيكاغو (4.10 أيام) إلى نيروبي (4.27 يومًا)، حيث لم يخضع النموذج لأي ضبط دقيق محلي.

إلى جانب الدقة، أظهرت مقاييس استكشافية أن نظام الذكاء الاصطناعي البحثي كان مرنًا في السيناريوهات المعقدة. فعلى سبيل المثال، في حالات الأوزان الجنينية المتطرفة (فوق المئين 90)، تفوق النموذج على صيغ القياس الجنيني التقليدية، مما أثبت متانته في مواجهة الاختلافات في حجم الجنين.

الدروس المستفادة أثناء النشر المستقبلي

إلى جانب إبراز فرصة هائلة لتوسيع الوصول إلى الموجات فوق الصوتية من خلال الذكاء الاصطناعي، مكّنتنا الدراسة المستقبلية متعددة المراكز من مراقبة وتحسين سلوك الذكاء الاصطناعي بشكل فعّال في البيئات السريرية الحية. ومن خلال نشر نظامنا مباشرة في سير العمل السريري اليومي، اكتسبنا رؤى عملية تساعدنا على التصميم للاستخدام في العالم الحقيقي. فعلى سبيل المثال، لاحظنا أهمية البطاريات القابلة للتبديل بدلًا من محطات الإرساء الموصولة بالكهرباء للحفاظ على شحن الأجهزة بين المرضى المتعاقبين.

كما أظهرت هذه الدراسات أن نشر أنظمة الذكاء الاصطناعي كهذه سيتطلب أيضًا بناء ثقة عميقة مع الأطباء والمرضى على حد سواء. وستكون إحدى الطرق المهمة لتحقيق ذلك في نهاية المطاف هي تضمين ضمانات واضحة في التطبيق، مثل تقديرات ثقة النموذج التي ينتجها نموذجنا لرفض المسحات ذات الجودة الرديئة وإيصال عدم اليقين في النموذج إلى المستخدم الطبيب.

نظرة إلى المستقبل: توسيع الوصول إلى الرعاية بالذكاء الاصطناعي

تشير نتائج هذه الدراسات إلى أن الأنظمة المعتمدة على الذكاء الاصطناعي يمكنها تحليل صور "المسحات العمياء" الموحدة التي يلتقطها مشغّلون دون تدريب متخصص في التصوير بالموجات فوق الصوتية. وكان تقدير الذكاء الاصطناعي لعمر الجنين ذا دقة مماثلة للمعيار الحالي للرعاية من مشغّلين خبراء وأجهزة الموجات فوق الصوتية التقليدية الأكثر تكلفة المعتمدة على العربات. وإثبات القابلية للتعميم التقني عبر بيئات سريرية متنوعة وأجهزة مختلفة وسكّان متغيّرين يمثل خطوة رئيسية في إبراز إمكاناتها لتوسيع الوصول إلى هذه القدرة الحاسمة لصحة الأمهات.

ومن خلال تمكين عمال الصحة المجتمعية ذوي التدريب المحدود من إجراء تقييمات موثوقة بالموجات فوق الصوتية، تُظهر هذا البحث إمكانية توسيع تغطية الرعاية السابقة للولادة لملايين الأشخاص في المناطق محدودة الموارد. ودراسة قدرات هذه التقنية القابلة للتوسع تمهد الطريق لأنظمة رعاية صحية أكثر مرونة وإتاحة، بما يضمن لكل أم، بغض النظر عن موقعها، فرصة لحمل صحي وولادة آمنة.

يمثل هذا البحث عند نقطة الرعاية تطبيقًا محتملاً لرؤيتنا الأوسع لتوسيع إمكانية الوصول إلى الرعاية الصحية من خلال الذكاء الاصطناعي. وتفيد الرؤى المكتسبة من هذا البحث في تطوير أبحاثنا للذكاء الطبي متعدد الوسائط من الجيل التالي. ومن خلال عملنا المستمر، نسعى إلى تزويد مجتمع المطورين والعلماء بالإجابات التي يحتاجونها لتحسين الرعاية السريرية وجعلها مفيدة ومتاحة للجميع.

شكر وتقدير

شكرًا لمؤلفي المشاركة من Google Research وJacaranda Health وكلية الطب بجامعة نورث وسترن فينبرغ: تشيس لي، جاستن كروغ، أنيكا ويكراماناياكي، ستايسي كارون، بريسكا شيرويوت، آمبر ووترز، أليسيا مارتين، تيا تياسيريتشوكشاي، أكيب الدين، يون ليو، باتريشيا ستراتشان، ساني يانسن، أليسا سانتي، بريتي سينغ، كاثرين أرجويليس، كينيث هدسون، ديفيد ميلنيك، ماهيش فايديناثان، موزيار إتمادي، يوسي ماتياس، أفيناتان حسيديم، غريغ كورادو، شروتي برابهكارا، دانيال غولدن، رايان ج. غوميس، وشرافيا شيتي. وشكرًا لبي تشوان تشانغ وديل ويبستر لمراجعة هذا العمل.