م.م احمد سلمان جاسم أصبح الذكاء الاصطناعي Artificial Intelligence (AI) أحد أهم التطورات الحديثة في مجال التصوير الطبي، وخاصة في التصوير المقطعي المحوسب Computed Tomography (CT). يعتمد التصوير المقطعي على الأشعة السينية للحصول على صور مقطعية دقيقة لأعضاء الجسم، إلا أن استخدام الإشعاع المؤين يجعل تقليل الجرعة الإشعاعية مع المحافظة على الجودة التشخيصية هدفاً أساسياً في الممارسة السريرية. خلال السنوات الأخيرة، ساهمت تقنيات التعلم الآلي Machine Learning والتعلم العميق Deep Learning في تحسين عدة مراحل من فحص CT، بدءاً من وضع المريض واختيار بروتوكول التصوير، وصولاً إلى إعادة بناء الصور وتحليلها والكشف الآلي عن الأمراض. وتشير مراجعات حديثة إلى أن تطبيقات الذكاء الاصطناعي أصبحت ذات أهمية خاصة في تحسين الجرعة الإشعاعية وجودة الصور وأتمتة إجراءات الفحص. PubMed 1. تحسين جودة صور التصوير المقطعي من أبرز تطبيقات الذكاء الاصطناعي في CT استخدام خوارزميات Deep Learning Reconstruction (DLR) لإعادة بناء الصور. ففي التصوير التقليدي يمكن أن يؤدي تقليل جرعة الأشعة إلى زيادة التشويش أو الضوضاء في الصورة Image Noise، مما قد يؤثر في القدرة على رؤية الآفات الصغيرة. تستطيع خوارزميات التعلم العميق التمييز بين المعلومات التشريحية الحقيقية والتشويش الموجود في الصورة، وبالتالي إنتاج صور ذات ضوضاء أقل وتفاصيل أكثر وضوحاً حتى عند استخدام جرعات إشعاعية منخفضة. وقد بينت الدراسات أن تقنيات DLR يمكن أن تتفوق على تقنيات Filtered Back Projection (FBP) وبعض خوارزميات Iterative Reconstruction (IR) من حيث تقليل الضوضاء والمحافظة على جودة الصورة. PubMed 2. تقليل الجرعة الإشعاعية يمثل تقليل جرعة الإشعاع أحد أهم أهداف استخدام الذكاء الاصطناعي في CT. ويمكن للذكاء الاصطناعي المساهمة في ذلك عبر عدة مراحل، منها: • تحديد موضع المريض تلقائياً داخل جهاز CT. • تحديد المجال التشريحي المطلوب تصويره وتقليل Over-scanning. • اختيار معلمات التصوير المناسبة. • إزالة الضوضاء من الصور منخفضة الجرعة. • إعادة بناء صور ذات جودة تشخيصية من بيانات تم الحصول عليها بجرعة أقل. وجدت مراجعة شاملة منشورة عام 2025 شملت 90 دراسة أن الذكاء الاصطناعي يمكن أن يساعد في تحسين الجرعة من خلال وضع المريض، وتحديد مجال المسح، وإعادة بناء الصور باستخدام التعلم العميق. PubMed كما أظهر تحليل للأدلة السريرية المنشورة بين 2020 و2025 أن التخفيض الممكن للجرعة يختلف بصورة كبيرة تبعاً لنوع الفحص والمريض والخوارزمية والمهمة التشخيصية، ولذلك لا توجد نسبة واحدة يمكن تطبيقها على جميع فحوص CT. PubMed 3. الكشف الآلي عن الأمراض لا يقتصر دور الذكاء الاصطناعي على تحسين الصورة، بل يمكن لخوارزميات التعلم العميق تحليل صور CT والمساعدة في تحديد العديد من التغيرات المرضية. يمكن استخدام أنظمة AI في مهام مثل تحديد أو تقسيم الآفات Segmentation، حساب حجمها ومتابعة تغيرها بمرور الوقت، وإبراز المناطق التي تحتاج إلى مراجعة اختصاصي الأشعة. وقد أصبحت هذه التطبيقات جزءاً مهماً من مجال Computer-Aided Detection/Diagnosis (CAD). مع ذلك، يجب النظر إلى هذه الأنظمة بوصفها أدوات مساعدة وليس بديلاً مستقلاً عن التقييم الطبي، لأن أداء الخوارزمية قد يتأثر بنوعية البيانات وأجهزة التصوير والسكان المستخدمين في التدريب والتحقق. 4. اختيار بروتوكول التصوير يحتوي جهاز CT على عدد كبير من البروتوكولات المختلفة التي تتغير باختلاف الجزء المراد تصويره والسؤال السريري وعمر المريض وحجمه والحاجة إلى المادة الظليلة. يمكن للأنظمة المعتمدة على الذكاء الاصطناعي استخدام المعلومات السريرية وخصائص المريض لتقديم دعم عند اختيار بروتوكول الفحص وإعداداته. كما يمكن للأتمتة أن تساعد اختصاصيي الأشعة وتقنيي التصوير في توحيد الإجراءات وتقليل الاختلافات غير الضرورية بين المستخدمين. وهذا المجال مهم بصورة خاصة في الدراسات التي تبحث في Human–AI Collaboration وكيف يتفاعل تقنيو الأشعة مع توصيات الذكاء الاصطناعي أثناء اختيار بروتوكول CT. 5. التحديد الآلي لموضع المريض يؤثر تمركز المريض داخل جهاز CT بصورة مباشرة في جودة الصورة والجرعة الإشعاعية. ويمكن لخوارزميات الرؤية الحاسوبية تحليل صورة المريض الخارجية أو بيانات الكاميرات وتحديد الوضع المناسب تلقائياً. وقد أشارت الأدلة الحديثة إلى أن أدوات الذكاء الاصطناعي المستخدمة في Patient Positioning قد تساعد على تقليل أخطاء الوضع اليدوي ومن ثم تحسين عملية ضبط الجرعة. PubMed 6. تسريع العمل داخل أقسام الأشعة يمكن استخدام الذكاء الاصطناعي في عدد من خطوات سير العمل Radiology Workflow، بما في ذلك إعداد الفحص وإعادة بناء الصور وتقسيم الأعضاء وإجراء بعض القياسات وترتيب الحالات التي تحتاج إلى مراجعة. والهدف من هذه التطبيقات ليس مجرد زيادة سرعة العمل، وإنما تقليل المهام اليدوية المتكررة وإتاحة وقت أكبر للتقييم السريري والتواصل مع المرضى والفريق الطبي. 7. تحديات استخدام الذكاء الاصطناعي على الرغم من الفوائد الكبيرة، فإن دمج الذكاء الاصطناعي في التصوير المقطعي يواجه تحديات عديدة. من أهمها ضرورة التحقق من أداء الخوارزميات على مجموعات مختلفة من المرضى وأجهزة مختلفة، واحتمال انخفاض الأداء عند تطبيق النموذج على بيانات تختلف عن بيانات التدريب. كما أن إعادة البناء شديدة إزالة الضوضاء قد تغير ملمس الصورة أو تؤثر في رؤية بعض الآفات منخفضة التباين. ولهذا تؤكد الأدبيات الحديثة أهمية عدم تقييم جودة الصورة بصرياً فقط، وإنما دراسة القدرة الفعلية على كشف الأمراض والآفات. PubMed وتشمل التحديات الأخرى حماية بيانات المرضى، والتحيز الخوارزمي، وقابلية تفسير النتائج، والتكامل مع أنظمة المستشفى، والحاجة إلى التدريب المستمر وضمان الجودة. الخلاصة يمثل الذكاء الاصطناعي تحولاً مهماً في تطور التصوير المقطعي المحوسب. وأبرز تطبيقاته الحالية هي إعادة بناء الصور بالتعلم العميق، وتقليل التشويش، وتحسين الجرعة الإشعاعية، وتحديد موضع المريض، ودعم اختيار بروتوكول التصوير، وتحليل الصور آلياً. وتشير الأدلة الحالية إلى أن هذه التقنيات يمكن أن تحقق تحسينات مهمة في جودة الصورة وكفاءة العمل وتقليل التعرض للإشعاع، إلا أن مستوى الاستفادة يختلف باختلاف المهمة السريرية والخوارزمية ونظام CT المستخدم. لذلك ينبغي دمج تقنيات AI ضمن إطار من التحقق السريري وضمان الجودة والإشراف البشري بدلاً من الاعتماد عليها بصورة مستقلة. PubMed