به گزارش سلامت نیوز به نقل از med-tech.world، تصویربرداری پزشکی به یکی از ابزارهای ضروری در مراقبت‌های درمانی مدرن تبدیل شده است، اما تفسیر ساختارهای پیچیده آناتومیک در تصاویر دوبعدی همچنان چالش‌برانگیز است. جراحان پیش از انجام عمل باید ارتباط فضایی میان تومورها، عروق خونی، استخوان‌ها و بافت‌های اطراف را در ذهن خود بازسازی کنند تا بتوانند بر اساس آن برای مداخله جراحی تصمیم بگیرند.
با پیچیده‌تر شدن جراحی‌ها، فناوری‌هایی که فاصله میان تصاویر پزشکی و درک سه‌بعدی از ساختار بدن را کاهش می‌دهند، بیش از گذشته مورد توجه قرار گرفته‌اند.
شرکت Qualium Systems که در زمینه ارائه راهکارهای فناوری اطلاعات، فناوری‌های فراگیر و نوآوری در سلامت دیجیتال فعالیت می‌کند، با ترکیب هوش مصنوعی، بازسازی سه‌بعدی و فناوری واقعیت توسعه‌یافته (XR) به دنبال پاسخ به این چالش است.
اولگا کریوچنکو، مدیرعامل و هم‌بنیان‌گذار این شرکت، در گفت‌وگو با MedTech World توضیح داده است که Qualium Systems چگونه فناوری‌هایی را توسعه می‌دهد که تصاویر متداول پزشکی را به مدل‌های آناتومیک سه‌بعدی و تعاملی متناسب با ویژگی‌های هر بیمار تبدیل می‌کنند. این مدل‌ها می‌توانند در برنامه‌ریزی جراحی، آموزش پزشکی، دندان‌پزشکی، ارتوپدی، چاپ سه‌بعدی، ساخت پروتز و برنامه‌ریزی کاشت ایمپلنت کاربرد داشته باشند.
محور اصلی این رویکرد، عبور از مشاهده ساختارهای بدن روی نمایشگر به بررسی آن‌ها در فضای سه‌بعدی، با ابعاد واقعی و در صورت نیاز، در محیط فیزیکی اتاق عمل است.
تبدیل تصاویر پزشکی به مدل سه‌بعدی اختصاصی هر بیمار
ساخت یک مدل آناتومیک فراگیر، بسیار فراتر از تبدیل تصاویر پزشکی به یک تصویر سه‌بعدی است. به گفته کریوچنکو، این فرایند با دریافت تصاویر پزشکی بیمار در قالب استاندارد DICOM آغاز می‌شود. این تصاویر معمولا از سامانه بایگانی و ارتباطات تصاویر پزشکی بیمارستان (PACS) یا سایر پلتفرم‌های تصویربرداری دریافت می‌شوند.
در مرحله نخست، تصاویر مرتبط انتخاب و وارد نرم‌افزار می‌شوند. سپس داده‌ها و اطلاعات همراه آن‌ها بررسی می‌شوند تا پارامترهای مهمی مانند ضخامت برش‌های تصویربرداری، فاصله پیکسلی و جهت‌گیری آناتومیک حفظ شوند. بسته به نوع کاربرد بالینی، اطلاعات هویتی بیمار نیز می‌تواند ناشناس‌سازی یا مستعارسازی شود.
پیش از آغاز بازسازی، تصاویر پردازش اولیه می‌شوند تا داده‌ها استانداردسازی شوند. در صورت نیاز، چند مجموعه تصویر نیز با یکدیگر تطبیق داده می‌شوند. برای مثال، اطلاعات حاصل از سی‌تی‌اسکن، سی‌تی آنژیوگرافی یا توالی‌های مختلف ام‌آرآی می‌توانند در یک دستگاه مختصات مشترک قرار گیرند.
مرحله بعد، تفکیک ساختارهای آناتومیک با کمک هوش مصنوعی است. در این مرحله، بخش‌هایی مانند استخوان‌ها، عروق، اندام‌ها، تومورها و سایر ناهنجاری‌های مرتبط شناسایی و از یکدیگر جدا می‌شوند.
در روش‌های سنتی، متخصصان باید ساختارهای موردنظر را در تک‌تک برش‌های تصویربرداری مشخص می‌کردند؛ فرایندی زمان‌بر که ممکن بود به دلیل تفاوت در تفسیر افراد، نتایج متفاوتی ایجاد کند.
با پیشرفت هوش مصنوعی، فناوری‌های تفکیک تصاویر نیز به‌سرعت در حال تحول هستند. الگوریتم‌های هوش مصنوعی می‌توانند با تولید ماسک‌های تصویری، ساختارهای موردنظر را در تصاویر حجمی شناسایی کنند. سپس پزشکان نتایج را بررسی و در صورت نیاز اصلاح می‌کنند تا مدل نهایی برای برنامه‌ریزی درمانی مورد استفاده قرار گیرد.
پس از تکمیل این مرحله، ساختارهای شناسایی‌شده به اشیای سه‌بعدی مجزا تبدیل می‌شوند. هر ساختار می‌تواند رنگ، بافت و میزان شفافیت مخصوص به خود را داشته باشد. به این ترتیب، پزشکان می‌توانند لایه‌های مختلف آناتومیک را جداگانه مشاهده کنند یا ارتباط میان آن‌ها را بررسی کنند. مدل نهایی نیز ابعاد و تناسبات آناتومیک بیمار را در مقیاس واقعی یک‌به‌یک حفظ می‌کند.
در ادامه، اطلاعات تکمیلی مانند نقاط شاخص آناتومیک، اندازه‌گیری‌ها، توضیحات و مسیرهای پیشنهادی جراحی به مدل اضافه می‌شوند. نتیجه این فرایند، محیطی تعاملی است که پزشک می‌تواند در آن ساختارهای بدن را بچرخاند، از زوایای مختلف بررسی کند، بخش‌هایی را پنهان یا نمایان سازد و با استفاده از صفحات برش مجازی، ساختارهای داخلی را ببیند.
هدف این فناوری صرفا جذاب‌تر کردن تصاویر پزشکی نیست؛ بلکه کمک به درک بهتر اطلاعات پیچیده آناتومیک و استفاده موثرتر از آن‌ها در تصمیم‌گیری‌های بالینی است.
چرا نمایش سه‌بعدی فراگیر فراتر از یک نمایشگر معمولی است؟
نرم‌افزارهای متداول نمایش تصاویر سه‌بعدی پزشکی نیز امکان چرخاندن مدل‌ها و بررسی ساختارهای آناتومیک را روی نمایشگرهای معمولی فراهم می‌کنند، اما فناوری‌های فراگیر تجربه متفاوتی از درک فضایی بدن ارائه می‌دهند.
در نمایشگرهای معمولی، پزشک باید موقعیت و ابعاد ساختارهای نمایش‌داده‌شده را در ذهن خود به بدن واقعی بیمار مرتبط کند. واقعیت مجازی (VR)، واقعیت افزوده (AR) و واقعیت ترکیبی (MR) می‌توانند این فاصله را کاهش دهند؛ زیرا امکان بررسی ساختارهای آناتومیک را در یک محیط فضایی فراهم می‌کنند.
کریوچنکو با تاکید بر اینکه «تصویربرداری سه‌بعدی جایگزین تصویربرداری دوبعدی نمی‌شود»، به تفاوت کاربرد این فناوری‌ها اشاره می‌کند.
برای شناسایی ضایعات کوچک یا بررسی جزئیات ظریف تصاویر، مشاهده برش‌های اصلی تصویربرداری همچنان ضروری است؛ زیرا این تصاویر اطلاعات اولیه ثبت‌شده هنگام تصویربرداری را حفظ می‌کنند.
در مقابل، نمایش سه‌بعدی فراگیر زمانی اهمیت بیشتری پیدا می‌کند که پرسش بالینی به موقعیت و ارتباط فضایی ساختارهای بدن مربوط باشد؛ برای مثال، اینکه تومور در چه فاصله‌ای از یک رگ حیاتی قرار دارد، کدام مسیر جراحی از برخورد با ساختارهای حساس جلوگیری می‌کند یا یک ویژگی آناتومیک خاص چه تاثیری بر روش جراحی خواهد داشت.
انتخاب فناوری نیز به نوع کاربرد بستگی دارد. واقعیت مجازی بیشتر برای فعالیت‌هایی خارج از محیط جراحی، مانند تمرین پیش از عمل، بررسی پرونده بیمار، آموزش پزشکی و همکاری از راه دور مناسب است.
در مقابل، واقعیت افزوده و واقعیت ترکیبی زمانی کاربرد بیشتری دارند که اطلاعات دیجیتال باید در کنار محیط واقعی قرار بگیرند؛ به‌ویژه در اتاق عمل که جراحان باید هم‌زمان به بیمار، ابزارهای جراحی و اعضای تیم درمان توجه داشته باشند.
این محیط‌های فراگیر همچنین امکان همکاری میان متخصصان را فراهم می‌کنند. اعضای تیم‌های چندرشته‌ای می‌توانند به‌صورت حضوری یا از راه دور، یک مدل اختصاصی از بدن بیمار را بررسی کنند و برای بحث درباره موارد پیچیده، مرجعی مشترک و سه‌بعدی در اختیار داشته باشند.
کمک به برنامه‌ریزی جراحی و هدایت حین عمل
یکی از پروژه‌های شاخص در این حوزه، پلتفرم eXtra Vision است که Qualium Systems برای یک استارتاپ فعال در زمینه فناوری‌های جراحی توسعه داده است.
این پلتفرم با هدف پشتیبانی از برنامه‌ریزی پیش از عمل، هدایت جراحی در حین عمل و تحلیل نتایج پس از جراحی طراحی شده است. استارتاپ توسعه‌دهنده آن را یک جراح مغز و اعصاب شاغل در این حوزه تاسیس کرده و تمرکز فعلی آن بر جراحی‌های جمجمه است؛ هرچند کاربردهای مرتبط با جراحی ستون فقرات نیز برای آینده در نظر گرفته شده است.
با استفاده از مدل‌های آناتومیک اختصاصی بیماران، تیم جراحی می‌تواند پیش از ورود به اتاق عمل، وضعیت بیمار را بررسی کند، نقاط شاخص آناتومیک را شناسایی کند، مسیرهای احتمالی دسترسی به ناحیه موردنظر را بسنجد و ارتباط میان ضایعه هدف و ساختارهای حیاتی اطراف آن را ارزیابی کند.
برای مثال، در جراحی مغز، این فناوری می‌تواند به جراح کمک کند محل برش را تعیین کند، میزان استخوانی را که برای دسترسی به تومور باید برداشته شود تخمین بزند و مسیر جراحی را به‌گونه‌ای انتخاب کند که از آسیب به عروق خونی مهم جلوگیری شود.
این محیط سه‌بعدی همچنین فرصت‌هایی برای تمرین گروهی و همکاری از راه دور ایجاد می‌کند. به جای اتکا به تصاویر جداگانه و برداشت‌های فردی، اعضای تیم جراحی می‌توانند یک مدل مشترک را بررسی کنند، درباره روش پیشنهادی عمل گفت‌وگو کنند و به درک مشترکی از مراحل جراحی برسند.
قابلیت‌های این پلتفرم به مرحله پیش از عمل محدود نمی‌شود. در فرایند حین جراحی، مدل سه‌بعدی آماده‌شده می‌تواند از طریق عینک‌های واقعیت افزوده یا واقعیت ترکیبی روی بدن بیمار قرار گیرد.
یکی از دشوارترین جنبه‌های فنی این روش، حفظ تطابق میان آناتومی مجازی و میدان واقعی جراحی است.
Qualium Systems برای تعیین موقعیت مدل در محیط واقعی و ردیابی آن هنگام حرکت جراح، از نشانگرهای QR سه‌بعدی استفاده کرده است. ابزارهای جراحی نیز می‌توانند با کمک تشخیص کدهای QR ردیابی شوند و موقعیت آن‌ها با دستگاه مختصات هدست تطبیق داده شود. به این ترتیب، سامانه می‌تواند موقعیت ابزارها را نسبت به آناتومی دیجیتال نمایش دهد.
اطلاعات موقعیت، رویدادهای ردیابی و تعاملات کاربر به یک رایانه محلی منتقل می‌شوند که مسئول پردازش و نمایش تصاویر است. این معماری به سامانه اجازه می‌دهد فرایند اصلی پردازش و نمایش را از طریق شبکه محلی انجام دهد و برای این بخش از عملکرد خود به اتصال اینترنت وابسته نباشد.
هدف از این قابلیت‌ها، بهبود درک فضایی جراح و ارائه راهنمایی حین عمل است. با این حال، اثربخشی بالینی آن‌ها به عواملی مانند دقت تطبیق مدل با بدن بیمار، پایداری ردیابی، تاخیر پایین در انتقال داده‌ها و اعتبارسنجی مناسب در شرایط واقعی جراحی بستگی دارد.
دقت فناوری، نظارت پزشکان و الزامات قانونی
در کاربردهای جراحی، صرفا واقعی به نظر رسیدن یک مدل آناتومیک به معنای دقیق بودن آن نیست. شرکت Qualium Systems سه مرحله اصلی را برای اعتبارسنجی این فناوری ضروری می‌داند: دقت تفکیک و بازسازی تصاویر اولیه، صحت هندسی مدل سه‌بعدی و میزان تطابق مدل با بدن بیمار هنگام هدایت جراحی.
در مرحله تفکیک تصاویر، پزشکان باید بررسی کنند که ساختارهای مهم به‌درستی شناسایی شده‌اند. ممکن است یک الگوریتم مدلی از نظر بصری منسجم تولید کند، اما مرز یک ساختار حیاتی یا یکی از ویژگی‌های مهم آناتومیک را نادیده گرفته باشد.
در مرحله بعد، اعتبارسنجی هندسی مشخص می‌کند که آیا سطوح بازسازی‌شده با داده‌های اصلی سی‌تی‌اسکن یا ام‌آرآی مطابقت دارند یا خیر. استفاده از هندسه‌های مرجع و مدل‌های آزمایشی نیز به ارزیابی خطاهای احتمالی ناشی از پردازش اولیه تصاویر، تغییر وضوح، تولید شبکه سه‌بعدی یا بهینه‌سازی مدل کمک می‌کند.
در مرحله هدایت جراحی، دقت تطبیق مدل با بدن بیمار، خطای تدریجی ردیابی و میزان تاخیر اهمیت ویژه‌ای دارند. حتی اختلاف‌های کوچک میان نمایش مجازی و آناتومی واقعی بیمار نیز می‌توانند پیامدهای بالینی داشته باشند.
به همین دلیل، Qualium Systems بر رویکرد «حضور انسان در چرخه تصمیم‌گیری» تاکید می‌کند. در این روش، هوش مصنوعی فرایند تفکیک تصاویر را سرعت می‌بخشد، اما پزشکان متخصص همچنان باید بتوانند نتایج را بررسی و پیش از استفاده در برنامه‌ریزی جراحی اصلاح کنند.
الزامات قانونی نیز با حرکت نرم‌افزار از نمایش صرف تصاویر به سمت قابلیت‌هایی که مستقیما بر تصمیم‌های جراحی تاثیر می‌گذارند، اهمیت بیشتری پیدا می‌کنند.
کریوچنکو توضیح داده است که رویکرد این شرکت بر تعریف دقیق هدف و کاربرد موردنظر هر بخش از نرم‌افزار استوار است. قابلیت‌هایی مانند تعامل‌پذیری، نمایش تصاویر، تفکیک ساختارهای آناتومیک، اندازه‌گیری، برنامه‌ریزی و هدایت حین عمل باید به‌صورت جداگانه بررسی شوند.
نمایش ساختارهای بدن برای آموزش یا بحث درباره یک پرونده پزشکی، الزامات ارزیابی متفاوتی با قرار دادن مدل دیجیتال روی بدن بیمار و ردیابی ابزارهای جراحی دارد. قابلیت‌هایی مانند پیشنهاد مسیر جراحی یا هشدار درباره نزدیک شدن به ساختارهای حساس، به دلیل تاثیر احتمالی بر اقدامات جراح، به ارزیابی ایمنی و اعتبارسنجی دقیق‌تری نیاز دارند.
شرکت Qualium Systems دارای گواهینامه‌های استاندارد ISO 9001 و ISO/IEC 27001 است و اعلام کرده که الزامات GDPR و HIPAA را نیز رعایت می‌کند. این استانداردها به مدیریت کیفیت و امنیت اطلاعات کمک می‌کنند؛ با این حال، الزامات قانونی مربوط به هر قابلیت نرم‌افزاری پزشکی به هدف استفاده از آن و مقررات حوزه قضایی مربوط بستگی دارد.
دسترسی به سخت‌افزار و کاربردهای نوظهور در پزشکی
دسترسی به سخت‌افزار مناسب نیز یکی از عوامل موثر بر گسترش فناوری‌های فراگیر در پزشکی است.
Qualium Systems در همکاری با پروژه eXtra Vision، ابتدا تجربه واقعیت ترکیبی خود را برای هدست Microsoft HoloLens و محیط برنامه‌ریزی مبتنی بر واقعیت مجازی را برای هدست‌های Oculus توسعه داد. این پلتفرم در ادامه برای پشتیبانی از Meta Quest و جدیدترین نسخه Apple Vision Pro نیز سازگار شده است.
معماری نرم‌افزار که با موتور بازی‌سازی Unity ساخته شده، به‌گونه‌ای طراحی شده است که قابلیت‌های اختصاصی هر سخت‌افزار از بخش پردازش و نمایش تصاویر جدا باشند.
داده‌های موقعیت و رویدادها به یک رایانه رومیزی محلی منتقل می‌شوند. این رایانه پس از پردازش، تصاویر را از طریق فناوری WebRTC به هدست ارسال می‌کند.
هدف از این طراحی، کاهش وابستگی به تجهیزات تخصصی و انعطاف‌پذیرتر کردن فرایند استقرار فناوری است. استفاده از هدست‌های در دسترس‌تر و رایانه‌های معمولی می‌تواند موانع اولیه استفاده از این فناوری را برای مراکز درمانی کاهش دهد.
به گفته کریوچنکو، در حال حاضر بیشترین فرصت برای استفاده از این فناوری در جراحی‌هایی وجود دارد که ساختارهای آناتومیک در آن‌ها نسبتا ثابت هستند و می‌توان موقعیت آن‌ها را با اطمینان بیشتری مشخص کرد. جراحی مغز و اعصاب، جراحی فک و صورت، ارتوپدی و جراحی تروما از جمله این حوزه‌ها هستند.
برنامه‌ریزی سه‌بعدی در جراحی عروق نیز می‌تواند ارزشمند باشد؛ زیرا شناخت ارتباط میان رگ‌ها و ساختارهای اطراف آن‌ها برای انتخاب مسیر مناسب جراحی اهمیت زیادی دارد.
در مقابل، جراحی بافت‌های نرم همچنان چالش‌برانگیزتر است. اندام‌هایی مانند کبد، کلیه‌ها و ریه‌ها در طول جراحی ممکن است تغییر شکل دهند یا جابه‌جا شوند. همین مسئله حفظ تطابق میان تصاویر پیش از عمل و وضعیت واقعی اندام‌ها را دشوار می‌کند.
در جراحی مغز و اعصاب نیز پدیده‌ای به نام جابه‌جایی مغز (Brain Shift) وجود دارد که ممکن است در اثر تخلیه مایع مغزی‌نخاعی، تورم و نیروی جاذبه رخ دهد و موقعیت ساختارهای مغزی را نسبت به تصاویر پیش از عمل تغییر دهد.
بنابراین، گسترش استفاده بالینی از این فناوری‌ها تنها به پیشرفت‌های فنی وابسته نیست؛ بلکه به شواهد علمی قوی‌تری نیاز دارد که ایمنی، دقت و تاثیر واقعی آن‌ها بر بهبود فرایندهای درمانی را نشان دهد.
فراتر از جراحی؛ آموزش پزشکی و شبیه‌سازی شرایط اضطراری
Qualium Systems در کنار eXtra Vision، پروژه دیگری با نام Spatial Space توسعه داده است که یک محیط فراگیر برای آموزش آناتومی تمام بدن به شمار می‌رود.
این پلتفرم با استفاده از نمایش سه‌بعدی به دانشجویان و فراگیران کمک می‌کند ساختارهای مختلف بدن را بررسی کنند. همچنین امکان پشتیبانی تخصصی از راه دور و استفاده از هوش مصنوعی در فرایند یادگیری برای آن در نظر گرفته شده است.
پروژه VMed-Pro نیز بر خدمات فوریت‌های پزشکی، آموزش بالینی و تربیت نیروهای حوزه سلامت تمرکز دارد. این سامانه با استفاده از شبیه‌سازی‌های تکرارپذیر، امکان تمرین سناریوهای پرخطر و شرایط بحرانی را فراهم می‌کند و برخی از ماژول‌های آن از عامل‌های هوش مصنوعی بهره می‌برند.
این پروژه‌ها نشان می‌دهند که کاربرد فناوری‌های فراگیر تنها به برنامه‌ریزی جراحی محدود نیست و می‌توان از آن‌ها در آموزش پزشکی، شبیه‌سازی شرایط درمانی و توسعه مهارت‌های بالینی نیز استفاده کرد.
مرحله بعدی تحول تصویربرداری پزشکی با هوش مصنوعی
Qualium Systems معتقد است فرصت‌های مهمی برای حرکت از روش‌های سنتی تصویربرداری دوبعدی و سه‌بعدی به سمت فناوری‌های فراگیر مبتنی بر هوش مصنوعی وجود دارد. بهبود پردازش تصاویر، حاشیه‌نویسی و ثبت اطلاعات، خودکارسازی اعتبارسنجی داده‌ها و توسعه سامانه‌های یکپارچه‌تر تصویربرداری از جمله زمینه‌های مورد توجه این شرکت هستند.
این شرکت همچنین در حال بررسی کاربردهای فناوری‌های خود در حوزه سلامت دیجیتال، توسعه تجهیزات پزشکی، پزشکی دقیق، علوم زیستی و زیست‌شناسی فضایی است؛ حوزه‌هایی که ترکیب هوش مصنوعی با فناوری‌های سه‌بعدی و واقعیت توسعه‌یافته می‌تواند به بررسی و انتقال بهتر اطلاعات پیچیده پزشکی و زیستی کمک کند.
با این حال، چالش اصلی در فناوری‌های جراحی همچنان تبدیل نمایش‌های بصری پیشرفته به ابزارهایی قابل اعتماد و موثر در محیط بالینی است. مدل‌های فراگیر می‌توانند درک ارتباط میان ساختارهای آناتومیک را آسان‌تر کنند، اما ارزش واقعی آن‌ها به کیفیت داده‌های اولیه، دقت بازسازی، پایداری ردیابی فضایی و شواهد علمی پشتیبان استفاده از آن‌ها بستگی دارد.
رویکرد Qualium Systems نشان‌دهنده تلاش برای ایجاد تعادل میان امکان‌پذیری فنی، توسعه محصول و مسئولیت‌پذیری بالینی است. این شرکت با پیوند دادن تصویربرداری پزشکی، تفکیک تصاویر با کمک هوش مصنوعی و نمایش فراگیر سه‌بعدی، به دنبال توسعه ابزارهایی است که به جراحان در برنامه‌ریزی دقیق‌تر عمل، همکاری موثرتر و استفاده از اطلاعات دیجیتال در محیط واقعی اتاق عمل کمک کنند.
