PrefPaint: Enhancing Medical Image Inpainting through Expert Human Feedback
يُعد PrepPaint نظاماً تفاعلياً يعزز عملية استكمال الصور الطبية (inpainting) من أجل الذكاء الاصطناعي السريري عبر دمج ملاحظات الخبراء البشر في نموذج Stable Diffusion من خلال نهج D3PO الموفر للموارد وواجهة إصدارات "Model Tree" المبتكرة، مما يؤدي إلى إنتاج صور بوليبات اصطناعية أكثر واقعية ودقة من الناحية التشريحية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم فنان موهوب للغاية ولكنه مرتبك قليلاً كيفية رسم نوع معين من الأدوات الطبية: السلائل (Polyp) (وهي نمو صغير في القولون يمكن أن يتحول إلى سرطان).
لدى هذا الفنان أداة قوية تسمى Stable Diffusion. إنها تشبه فرشاة رسم سحرية يمكنها إنشاء صور من أوصاف نصية. ولكن عندما تطلب من هذا الذكاء الاصطناعي "ملء الجزء المفقود" من مسح طبي لإظهار سليلة، فإنه غالباً ما يخطئ في رسم التشريح. قد يرسم سليلة تبدو مثل كتلة من الجيلي أو ذات ملمس خاطئ. وفي العالم الحقيقي، إذا قام طبيب بتدريب ذكاء اصطناعي على رصد السرطان باستخدام هذه الصور المزيفة والغريبة، فقد يفشل الذكاء الاصطناعي في إنقاذ حياة المريض.
المشكلة:
عادةً، لإصلاح ذكاء اصطناعي، تحتاج إلى "نظام مكافأة". فكر في الأمر كتوظيف مدير متوسط لتقييم عمل الفنان. ولكن في الطب، لا يمكنك مجرد توظيف كمبيوتر ليكون هو المدير المتوسط؛ فأنت بحاجة إلى طبيب حقيقي ليقول: "لا، هذه السليلة تبدو خاطئة"، أو "نعم، تلك تبدو حقيقية".
المشكلة هي أن الحصول على طبيب لتقييم آلاف الصور هو أمر بطيء، ومكلف، ويستهلك قدرات حوسبة هائلة. الطرق التقليدية تتطلب بناء "نموذج مكافأة" معقد (ذكاء اصطناعي ثانٍ) للتعلم من الأطباء، وهو ما يتطلب أجهزة كمبيوتر عملاقة ووقتاً طويلاً.
الحل: PrefPaint
قام مؤلفو هذه الورقة البحثية ببناء نظام يسمى PrefPaint. فكر فيه كـ خط مباشر بين الفنان (الذكاء الاصطناعي) والطبيب (الخبير)، متجاوزاً المدير المتوسط تماماً.
إليك كيف يعمل، باستخدام تشبيهات بسيطة:
1. نهج "اختبار التذوق" (D3PO)
بدلاً من طلب كتابة مقال طويل من الطبيب حول سبب كون الصورة سيئة، يستخدم PrefPaint طريقة تسمى D3PO.
- التشبيه: تخيل أنك تتذوق قطعتين من البسكويت. لست بحاجة لكتابة تقرير كيميائي عن محتوى السكر فيهما. كل ما عليك فعله هو الإشارة وقول: "أحب قطعة البسكويت (أ)، ولا أحب قطعة البسكوت (ب)".
- كيف يساعد ذلك: يعرض النظام على الطبيب صورتين مولدتين بالذكاء الاصطناعي لسليلة. يقوم الطبيب ببساطة بالنقر على "جيد" أو "سيء". يتعلم الذكاء الاصطناعي فوراً من هذا الخيار الثنائي. هذا فعال للغاية لدرجة أنه لا يحتاج إلى كمبيوتر خارق لتدريب "مدير متوسط" أولاً. إنه يوفر الوقت والمال، مما يجعله مثالياً للمستشفيات التي لا تملك ميزانيات تقنية ضخمة.
2. "شجرة العائلة" للنماذج (Model Tree)
بينما يتعلم الذكاء الاصطناعي من الأطباء، فإنه ينشئ نسخاً جديدة وأفضل من نفسه.
- التشبيه: تخيل شجرة عائلة. "الجد" هو الذكاء الاصطناعي الأصلي. "الأب" هو النسخة الأولى بعد بضع تصحيحات. "الابن" هو النسخة الأحدث والأكثر دقة.
- الواجهة: يقدم البحث واجهة ويب رائعة تصور هذا كـ شجرة. يمكن للأطباء النظر إلى الشجرة، ورؤية كيف تطور الذكاء الاصطناعي، واختيار "الفرع" (النسخة) المحدد الذي يريدون اختباره أو تحسينه بشكل أكبر. هذا يجعل التاريخ المعقد لتعلم الذكاء الاصطناعي سهلاً للفهم، حتى بالنسبة للأطباء الذين ليسوا خبراء تقنيين.
3. "ورشة العمل التفاعلية"
تم بناء النظام كوقع إلكتروني بسيط.
- التشبيه: يشبه ورشة عمل رقمية حيث يرفع الطبيب صورة ضبابية، ويرسم دائرة حول الجزء المفقود (السليلة)، ويكتب ملاحظة مثل "اجعلها تبدو مثل سليلة جالسة (sessile polyp)".
- يقوم الذكاء الاصطناعي بتوليد بعض الخيارات. ينقر الطبيب على "أعجبني" أو "لم يعجبني". يقوم النظام بتحديث الذكاء الاصطناعي بهدوء في الخلفية (مثل طباخ يتذوق الحساء ويضيف رشة ملح) دون تجميد الشاشة أو جعل الطبيب ينتظر.
لماذا هذا مهم؟
- السلامة: من خلال الحصول على تعليقات مباشرة من أطباء الأورام وأطباء الجهاز الهضمي، يتعلم الذكاء الاصطناعي رسم السلائل لتبدو تماماً مثل السلائل الحقيقية الموجودة في جسم الإنسان.
- الكفاءة: لا يتطلب الأمر مجموعة حواسيب بمليارات الدولارات. يمكن لجهاز كمبيوتر مستشفى عادي تشغيل هذا النظام.
- النتائج: في اختباراتهم، أنشأت هذه الطة الجديدة صوراً كانت أكثر واقعية ودقة من الناحية التشريحية بكثير من الطرق السابقة. عندما نظر الأطباء الحقيقيون إلى النتائج، قيموها بدرجة أعلى بكثير، قائلين إن الصور بدت "حقيقية" و"ناعمة" بدلاً من أن تكون "غريبة" أو "ضبابية".
باخت-مختصر:
PrefPaint هو جسر بين الخبراء الطبيين والذكاء الاصطناعي. إنه يحول العملية المعقدة والمكلفة لتعليم الذكاء الاصطناعي ليكون مساعداً للطبيب إلى لعبة "اختبار تذوق" تفاعلية بسيطة، مما يضمن أن يتعلم الذكاء الاصطناعي الدروس الصحيحة من الأشخاص المناسبين، مما يخلق أدوات أكثر أماناً ودقة للكشف عن السرطان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.