ایمپلنت‌های جمجمه‌ای که درست به نظر می‌رسند اما کار گذاشتنی نیستند

پس از کرانیکتومی رفع فشار (decompressive craniectomy) — جراحی‌ای که بخشی از جمجمه را برمی‌دارد تا فشار مغزِ متورم کم شود —، آسیب سر یا برداشتن توموری که استخوان را هم با خود می‌برد، بیمار با شکافی در جمجمه می‌ماند. این شکاف با ایمپلنتی که بر پایهٔ کالبد همان بیمار شکل داده شده بسته می‌شود، ایمپلنتی که باید از مغز محافظت کند و شکل جمجمه را بازگرداند. اینکه جا می‌افتد یا نه، در اتاق عمل معلوم می‌شود.

این ایمپلنت‌ها هنوز در طراحی به کمک رایانه با دست متخصصان کشیده می‌شوند. هر مورد کند و پرهزینه است، و این شمار بیمارانی را که می‌توانند ایمپلنت دریافت کنند محدود می‌کند. شبکه‌هایی که ویژهٔ این کار آموزش دیده‌اند روی محک‌های عمومی خوب عمل می‌کنند، اما برای آن به دادهٔ آموزشی نیاز دارند. مدل‌های پایه (foundation models) — مدل‌های بزرگی که روی مجموعه‌های عظیمی از شکل‌های سه‌بعدی پیش‌آموزش دیده‌اند — وعده می‌دهند که این گام را حذف کنند: جمجمه‌ای با حفره صرفاً شکلی است که باید تکمیل شود.

داوری به شیوهٔ یک جراح

Marek Wodzinski و همکارانش، در دانشگاه AGH کراکوف و مرکز پزشکی محاسباتی Sano در لهستان، سه مدل منتشرشدهٔ عمومی را به همان شکلی که ارائه شده‌اند ممیزی کردند:

• MSN-FM، که خود را نخستین مدل پایهٔ چندوجهی برای تکمیل ابرنقاط سه‌بعدی پزشکی معرفی می‌کند — شکلی که به‌صورت پاشیده‌ای از نقطه‌ها تحویل داده می‌شود، بی‌هیچ سطح و بی‌هیچ درون — روی 100,000 شکل پزشکی پیش‌آموزش دیده و می‌تواند متن بگیرد؛
• MGPC، آموزش‌دیده روی یک میلیون جفت، با ورودی‌های متن و تصویر؛
• AdaPoinTr، آموزش‌دیده روی 55 دسته از اشیای روزمره — که هیچ‌کدام جمجمه نیستند — به‌عنوان یک کنترل غیرپزشکی.

آن‌ها از 239 جمجمه استفاده کردند: 210 جمجمه با حفره‌هایی که به‌طور مصنوعی از اسکن‌های جمجمهٔ کامل تراشیده شده بودند، و 29 مورد واقعیِ پس از کرانیکتومی همراه با ایمپلنتی که یک متخصص واقعاً طراحی کرده بود. پیش از اجرای حتی یک مدل، دو معیار را تعیین کردند:

1. بهتر از هیچ کاری نکردن: مقایسهٔ هر خروجی با اینکه صرفاً استخوان باقی‌ماندهٔ بیمار را برگردانیم. استخوانِ برداشته‌شده پوسته‌ای نازک در کنار استخوانی است که می‌ماند، و امتیازدهی ناحیهٔ گمشده را هر جا که ماده‌ای در فاصلهٔ 2 میلی‌متری آن باشد پوشیده به حساب می‌آورد، پس صرفاً قرار گرفتن در کنار لبه‌های حفره امتیاز مفت می‌دهد.
2. جا افتادن فیزیکی: مادهٔ پیش‌بینی‌شده باید در حفره بنشیند بی‌آنکه در استخوان باقی‌مانده فرو رود (با رواداری 1 میلی‌متر) و دست‌کم به اندازهٔ هیچ کاری نکردن را بپوشاند.

به‌عنوان معیار سنجش، مدلی ساختند که دقیقاً برای همین کار آموزش دیده بود، که از میان 138 گونه بر پایهٔ امتیازش روی همین 210 مورد برگزیده شده بود، و این به سود آن است — سقفی در بهترین حالت، نه رقیبی منصف — و تنها روی حفره‌های مصنوعی آموزش دیده بود، برخلاف 29 جمجمهٔ واقعی — و نیمهٔ دوم پژوهش را صرف تلاش برای رد کردن نتیجه‌گیری خودشان کردند.

صفر از 239

• روی 210 حفرهٔ مصنوعی، هیچ‌یک بهتر از هیچ کاری نکردن عمل نکرد. اگر به‌صورت سهمی از ناحیهٔ گمشده که با خطای 2 میلی‌متر بازسازی شده اندازه بگیریم، برتری میانهٔ آن‌ها بر استخوان باقی‌مانده منفی بود: AdaPoinTr ‏−0.036 (3.6% از ناحیهٔ گمشده کمتر از استخوان به‌تنهایی)، MGPC ‏−0.130، MSN-FM ‏−0.156. مدل ویژهٔ این کار +0.745 به دست آورد.
• پیش‌آموزش پزشکی کمکی نکرد: MSN-FM آخر شد، پشت سر مدلی که روی اشیای روزمره آموزش دیده بود.
• روی 29 مورد واقعی، MGPC واقعاً بهتر از هیچ کاری نکردن بود، در 24 مورد از 29 — تنها نتیجه‌ای که فراتر از شانس بود. نویسندگان می‌گویند مدلی که روی حفره‌های مصنوعی می‌بازد اما روی 29 جمجمهٔ واقعی می‌برد، پرسش بالینی را فیصله نمی‌دهد.
• خروجی‌های کار گذاشتنی: 0 از 239 برای هر یک از سه مدل، در برابر 238 از 239 برای مدل ویژهٔ این کار. در میان 2,868 ترکیب از مدل، تنظیمات و جمجمه، هیچ‌کدام در رواداری 1 میلی‌متر از استخوان دور نماند. مادهٔ مدل‌ها با میانهٔ 5.4 تا 6.6 میلی‌متر در استخوان خودِ بیمار فرو می‌رفت، در برابر 0.55 میلی‌متر برای مدل ویژهٔ این کار.

(a) بهره نسبت به هیچ کاری نکردن: سه مدل زیر صفر قرار دارند و مدل ویژهٔ این کار بسیار بالاتر. (b) عمق نفوذ در استخوان باقی‌مانده، با 0/239 کار گذاشتنی برای هر کدام. — شکل 1، Wodzinski و همکاران (2026)، arXiv:2610.30035، CC BY-SA 4.0.

برخوردها در شکل خروجی‌هاست، نه در جای‌گذاری‌شان: جابه‌جا کردنشان تقریباً هیچ چیز را تغییر نداد.

زیبا بودن یعنی جا افتادن نیست

یک مورد واقعی از بیرون و در برش. سه مدل حفره را می‌پوشانند، اما همه در استخوانی که بیمار هنوز دارد فرو می‌روند. — شکل 2، Wodzinski و همکاران (2026)، arXiv:2610.30035، CC BY-SA 4.0.

AdaPoinTr سطحی تمیز برمی‌گرداند که هر بیننده‌ای آن را جمجمه می‌پذیرد، اما جای‌گذاری‌اش از بقیه آسان‌تر نیست. و ضخامت از همان آغاز از دست می‌رود: با 6,144 نقطه که روی یک جمجمه پخش شده‌اند، فاصلهٔ نقطه‌های همسایه به‌طور میانگین 2.56 میلی‌متر است، پس دو رویهٔ یک صفحهٔ 3 میلی‌متری را نمی‌توان از هم تشخیص داد. این ویژگی قالب ابرنقاط (point cloud) است، نه یک مدل خاص. ایمپلنت‌های واقعی نازک‌اند: 11 مورد از 29 کمتر از 3 میلی‌متر بودند.

ورودی‌های متنی‌ای که این مدل‌ها تبلیغ می‌کنند تزئینی از آب درآمدند. در MSN-FM، 97.5% از سیگنال متنی دقیقاً صفر است.

مسئلهٔ اعتماد

نویسندگان می‌نویسند: «به تصویرها نگاه کنید و مدل‌ها کارشان را کرده‌اند: نقص پوشانده شده، سر شکلش را بازیافته است.» همان خروجی‌ها را اندازه بگیرید و هیچ‌کدام را نمی‌توان در بدن بیمار گذاشت. ابری پراکنده به شما هشدار می‌دهد؛ اما کلاهکی تمیز که امتیازی معمولی می‌گیرد و باز هم در استخوان فرو می‌رود هشداری نمی‌دهد. اصلاح دستی این خروجی‌ها، جمجمه به جمجمه، همان کار دستی‌ای است که قرار بود مدل‌ها حذفش کنند.

نتیجه‌گیری آن‌ها: مدل‌های پایهٔ تکمیل شکلی که توانستند به دست آورند، به همان شکلی که منتشر شده‌اند، «قابل اعتماد نیستند» و «در عمل بالینی قابل استفاده نیستند». این پژوهش تنظیم دقیق (fine-tuning) روی جمجمه‌ها را نیازمود، هیچ پزشکی خروجی‌ها را بررسی نکرد، و 29 مورد واقعی به‌تنهایی نمی‌توانند یک پرسش بالینی را فیصله دهند. این مقاله در کارگاهی از کنفرانس ACCV 2026 پذیرفته شده است.