طلاب بالمعهد العالي لتكنولوجيا المعلومات يطورون نظامًا ذكيًا للكشف المبكر عن سرطان الرئة

نجح فريق من طلاب المعهد العالي لتكنولوجيا المعلومات BIS بمدينة بدر في تطوير مشروع مبتكر يعتمد على تقنيات الذكاء الاصطناعي والتعلم العميق للكشف المبكر عن سرطان الرئة من خلال تحليل صور الأشعة الطبية، بهدف دعم الأطباء في عملية التشخيص وتحسين دقتها وتسريع اتخاذ القرار الطبي.

الذكاء الاصطناعي لمساندة الأطباء وتقليل أخطاء التشخيص

ويأتي المشروع استجابة للتحديات التي تواجه التشخيص التقليدي لسرطان الرئة، والذي يعتمد بشكل كبير على الفحص اليدوي للأشعة الطبية، ما قد يؤدي في بعض الحالات إلى تأخر اكتشاف المرض أو حدوث أخطاء بشرية تؤثر على سرعة العلاج وفرص الشفاء.

ويهدف النظام إلى تقديم أداة ذكية مساعدة للأطباء، تعمل على تحليل صور الأشعة واكتشاف المؤشرات المبكرة للإصابة بسرطان الرئة بدقة عالية، بما يسهم في تعزيز كفاءة التشخيص وتحسين جودة الرعاية الصحية.

نظام يعتمد على التعلم العميق وتحليل الصور الطبية

واعتمد الفريق في تطوير المشروع على تقنيات التعلم العميق والشبكات العصبية الالتفافية (CNN)، والتي تعد من أكثر التقنيات كفاءة في مجال تحليل الصور الطبية والتعرف على الأنماط المرضية.

ويقوم النظام بتحليل صور الأشعة من خلال عدة مراحل تبدأ بإدخال الصورة الطبية، ثم إجراء المعالجة المسبقة للبيانات، واستخراج الخصائص المهمة، يليها تصنيف الحالة إلى "مصاب" أو "سليم"، قبل إصدار تقرير يساعد الطبيب في تقييم الحالة واتخاذ القرار المناسب.

استخدام نموذج MobileNetV2 لرفع الكفاءة وتقليل زمن التدريب

واستخدم المشروع نموذج MobileNetV2 المدعوم بتقنية Transfer Learning، وهي إحدى التقنيات الحديثة التي تتيح الاستفادة من نماذج الذكاء الاصطناعي المدربة مسبقاً، بما يسهم في تحسين الأداء وتقليل الوقت والموارد اللازمة للتدريب.

وأكد الفريق أن هذه التقنية ساعدت على تحقيق نتائج دقيقة ومستقرة مع الحفاظ على كفاءة النظام وسرعة تشغيله.

دقة تتجاوز 90% في تصنيف الحالات

وأظهرت نتائج المشروع قدرة النموذج على تحقيق دقة بلغت نحو 90% في تصنيف صور الأشعة بين الحالات السليمة والمصابة، مع استقرار جيد خلال مراحل التدريب وقدرة مرتفعة على التعميم عند اختبار النظام على بيانات جديدة.

وتعكس هذه النتائج الإمكانات الواعدة لاستخدام تقنيات الذكاء الاصطناعي في دعم القطاع الطبي والمساهمة في تحسين جودة التشخيص المبكر للأمراض الخطيرة.

أدوات وتقنيات حديثة في تطوير المشروع

واعتمد الفريق في تنفيذ المشروع على مجموعة من الأدوات البرمجية والتقنيات الحديثة، من بينها لغة البرمجة Python، ومنصة TensorFlow المتخصصة في تطبيقات الذكاء الاصطناعي، إلى جانب بيئة Google Colab التي تم استخدامها في معالجة البيانات وتدريب النموذج.

آفاق مستقبلية لتطبيق النظام داخل المستشفيات

وأوصى الفريق بضرورة توسيع قاعدة البيانات المستخدمة في تدريب النموذج مستقبلاً لزيادة دقته وكفاءته، إلى جانب تطوير النظام ليعمل بصورة مباشرة داخل المستشفيات والمراكز الطبية.

كما اقترح أعضاء الفريق تجربة نماذج أكثر تطوراً في مجال التعلم العميق، مثل نموذج EfficientNet، بهدف رفع مستوى الأداء وتحقيق نتائج أكثر دقة في عمليات التشخيص.

خطوة نحو رعاية صحية أكثر ذكاءً

ويؤكد المشروع أهمية توظيف تقنيات الذكاء الاصطناعي في القطاع الصحي، حيث يوفر أداة ذكية تدعم الأطباء في الكشف المبكر عن سرطان الرئة، وتساعد في تقليل الأخطاء البشرية وتسريع إجراءات التشخيص، بما يسهم في رفع فرص العلاج وتحسين جودة حياة المرضى.

فريق عمل المشروع

ضم فريق المشروع كلاً من: محمود عبد الظاهر، عبدالرحمن محمد، يوستينا وجيه أسعد، عمر ياسر علي، عمرو إبراهيم عيد، كيرلس عيد جرجس، يارا السيد حمدي، ويارا شعبان أحمد، من المعهد العالي لتكنولوجيا المعلومات BIS بمدينة بدر.