يشمل تقييم عمر العظام تقييم نضوج عظام الطفل ومقارنته بالعمر الزمني. تساعد هذه المقارنة في تشخيص مختلف الحالات الطبية، مثل نقص هرمون النمو والبلوغ المبكر وغيرها من اضطرابات الغدد الصماء. تُستخدم صور الأشعة السينية لليد والمعصم عادةً لهذا الغرض، حيث توفر العديد من العظام في هذه المناطق مؤشرات شاملة عن النمو الهيكلي.

الطرق التقليدية
تعتمد طريقة جرويليك-بيل (GP) على مقارنة صورة الأشعة السينية ليد ومعصم الطفل بالصور المرجعية القياسية في الأطلس، بينما تعتمد طريقة تانر-وايتهاوس (TW) على تعيين درجات لعظام محددة بناءً على مراحل تطورها. تتطلب كلتا الطريقتين خبرة كبيرة وتكون عرضة للتفسير الشخصي. أدت الحاجة إلى نهج أكثر موضوعية وسرعة وقابلية للتكرار إلى استكشاف الباحثين للحلول القائمة على الذكاء الاصطناعي.

النهج الجديد للتعلم المشترك بين المعلم والطالب
يستخدم النهج المقترح نموذجًا جديدًا للتعلم المشترك بين المعلم والطالب. يتضمن هذا الأسلوب عملية تدريب من مرحلتين حيث يتعلم نموذج "المعلم"، الذي يكون عادةً شبكة عصبية معقدة وذات كثافة موارد، أولاً تنفيذ المهمة بدقة عالية. بعد ذلك، يتم تدريب نموذج "الطالب"، المصمم ليكون أبسط وأكثر كفاءة، لتقليد أداء المعلم. يستفيد هذا النهج من نقاط القوة في كلا النموذجين، محققًا توازنًا بين الدقة والكفاءة الحاسوبية.

نموذج المعلم
يتم تدريب نموذج المعلم باستخدام مجموعة بيانات كبيرة من صور الأشعة السينية المشروحة. تُستخدم تقنيات التعلم العميق المتقدمة، مثل الشبكات العصبية الالتفافية (CNNs)، لاستخراج الميزات من الصور والتنبؤ بعمر العظام. تم تصميم بنية نموذج المعلم للتعامل مع الأحمال الحاسوبية العالية، مما يضمن دقة عالية في توقع عمر العظام.

نموذج الطالب
بمجرد تدريب نموذج المعلم، يتم نقل معرفته إلى نموذج الطالب من خلال عملية تُعرف بتقطير المعرفة. يتم تحسين نموذج الطالب ليكون أقل تعقيدًا، مما يتيح استنتاجات أسرع مع الحفاظ على مستوى عالٍ من الدقة. يكون هذا النموذج مفيدًا بشكل خاص في البيئات السريرية حيث قد تكون الموارد الحاسوبية محدودة.

التنفيذ والنتائج
تم تنفيذ النهج المشترك باستخدام مجموعة بيانات من صور الأشعة السينية لليد والمعصم المشروحة بعمر العظام. تم تدريب نموذج المعلم، وهو شبكة عصبية التلافيفية عميقة، لتحقيق دقة عالية في التنبؤ بعمر العظام. ثم تم تدريب نموذج الطالب لتكرار توقعات المعلم باستخدام بنية أكثر انسيابية.

أظهرت النتائج التجريبية أن نموذج الطالب، رغم بساطته، يعمل بشكل مشابه لنموذج المعلم من حيث الدقة. يسمح استخدام نهج التعلم المشترك بتقليل كبير في وقت الموارد الحسابية دون المساس بجودة تقييمات عمر العظام.

المزايا والتطبيقات
يقدم النهج المقترح عدة مزايا:

الكفاءة المحسنة: يتيح تعقيد نموذج الطالب المنخفض توقعات أسرع، مما يجعله مناسبًا للتطبيقات في الوقت الحقيقي في البيئات السريرية.
الدقة العالية: يضمن نموذج المعلم أن تكون التوقعات دقيقة للغاية، مما يوفر تقييمات موثوقة.
القابلية للتوسع: يمكن تطبيق نهج التعلم المشترك على مختلف مهام التصوير الطبي الأخرى بخلاف تقييم عمر العظام، مما يزيد من فائدته في مجال الذكاء الاصطناعي الطبي.