بناء نموذج لتقييم هشاشة العظام لمفصل الورك باستخدام الذكاء الاصطناعي

Abstract

هشاشة العظام هي حالة مزمنة تتميز بانخفاض كثافة العظام وزيادة خطر إلصابة بالكسور والمضاعفات ، ويشكل التشخيص الدقيق تحديا الدراسة ً كبي ارً الصحية المرتبطة بها خاصة عبر مجتمعات مختلفة. تهدف هذه إلى تطوير إطار متعدد المراحل للكشف عن هشاشة العظام من خالل دمج المؤشرات الحيوية السريرية وميزات صور األشعة السينية لتحسين دقة التشخيص وتقييم إمكانية تعميم النموذج عبر مجموعات بيانات متنوعة. في المرحلة الأولى، تم تصنيف صور الأشعة السينية لمجموعة بيانات سورية (D1 (باستخدام نموذج YOLOv9 ،حيث حقق دقة وصلت إلى 39.95 .%كما تم تحليل المؤشرات الحيوية السريرية عبر خوارزميات آلة متجه الدعم (SVM (والغابات العشوائية (RF (بدقة بلغت 34.87 %و81.84 %على التوالي، مع تفوق النماذج المعتمدة على الصور في استخراج الميزات العميقة مقارنة بالبيانات السريرية فقط . في المرحلة الثانية،جمعت البيانات السريرية من مجموعتي البيانات السورية (D1 (والهندية (D2 (لاستكشاف التكامل بينهما، كما تم تقييم إمكانية تعميم النموذج عبر مجموعات البيانات من خلال التدريب على مجموعة سكانية واحدة والاختبار على الأخرى. وحقق النموذج السريري المشترك باستخدام خوارزمية الغابة العشوائية دقة بلغت 58.90 ،٪مما يشير إلى تحسن الأداء نتيجة لتنوع وزيادة حجم البيانات ، بالإضافة إلى ضمان دمج البيانات بشكل صحيح ومتوازن، مع الاعتماد على بيانات حقيقية دون الحاجة إلى توليد عينات اصطناعية. ومع ذلك، برزت تحديات في التعميم الكامل عبر المجموعات المختلفة . أما في المرحلة الثالثة، فقد تم تطوير نموذج هجين سوري يجمع بين الخصائص العميقة المستخرجة من صور الأشعة باستخدام ResNet50 والمؤشرات الحيوية السريرية، وحقق دقة بلغت 94.85 %باستخدام Perceptron متعدد الطبقات (MLP ،(على الرغم من األداء الجيد، لم يتفوق هذا النموذج على النماذج التي تعتمد على نوع بيانات واحد، ويعزى ذلك إلى محدودية حجم قاعدة البيانات المشتركة. في تشخيص هشاشة العظام، تنافسيا ظهر النماذج المقترحة أداء وبالمقارنة مع الد ارسات الحالية، ت ً على إمكانية معالجة التحيزات الخاصة بالسكان لتحسين مدى فعالية دمج البيانات من مجتمعات مختلفة مؤكدا الأداء التشخيصي