GazeLT: Visual attention-guided long-tailed disease classification in chest radiographs
تقدم الورقة البحثية GazeLT، وهو إطار عمل مبتكر يستفيد من أنماط الانتباه البصري الزمني لدى أخصائيي الأشعة من خلال آلية تكامل وتفكيك لتحسين تصنيف الأمراض ذات التوزيع الطولي (long-tailed) في صور الأشعة السينية للصدر بشكل كبير، متفوقاً بذلك على الأساليب الحالية في مجموعات البيانات العامة واسعة النطاق.
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
نظرة المحقق: تعليم الحواسيب رؤية ما يراه البشر
تخيل أنك تحاول تعليم روبوت كيفية رصد أشياء مخفية في غرفة ضخمة وفوضوية. إذا عرضت على الروبوت ألف صورة للغرفة فحسب، فقد يصبح بارعاً جداً في العثور على الأشياء الكبيرة والواضحة مثل كرسي بذراعين أحمر أو سجادة زرقاء. ولكن إذا طلبت منه العثور على عملة فضية صغيرة ونادرة مخبأة تحت كومة من الملابس، فمن المرجح أن يخطئها في كل مرة. هذه مشكلة كلاسيكية في عالم الذكاء الاصطناعي تسمى "التصنيف طويل الذيل" (long-tailed classification). وتحدث هذه المشكلة عندما تكون بعض الأشياء شائعة للغاية (رأس الذيل) بينما تكون أشياء أخرى نادرة للغاية (الذيل)، مما يجعل من الصعب على الحواسيب تعلم الأشياء النادرة.
لحل هذه المشكلة، غالباً ما ينظر العلماء إلى كيفية حل البشر للمشكلات. في الطب، ينظر الأطباء الذين يُسمون أخصائيي الأشعة إلى صور الأشعة السينية للعثور على الأمراض. لكنهم لا يكتفون بمجرد التحديق في صورة والتخمين؛ بل تتحرك أعينهم في "رقصة" محددة. إنهم يمسحون الصورة بأكملها، ثم يقربون النظر إلى البقع المشبوهة، ويلقون نظرة خاطفة على الحواف، وأحياناً ينظرون إلى أشياء يتبين لاحقاً أنها غير ضارة. هذه الحركة للعين، والمعروفة باسم "نظرة العين" (gaze)، تحمل خريطة سرية لكيفية تفكير الخبير. السؤال الكبير هو: هل يمكننا تعليم الكمبيوتر تقليد رقصة العين هذه حتى لا يكتفي بالنظر إلى الأشياء الواضحة فحسب، بل يطارد أيضاً تلك الأمراض النادرة والمراوغة التي عادة ما يفتقدها؟
الفكرة الكبرى للورقة البحثية: GazeLT
تقدم هذه الورقة طريقة جديدة تسمى GazeLT (التصنيف طويل الذيل الموجه بنظرة العين). أراد الباحثون، من خلال العمل على صور الأشعة السينية للصدر، معرفة ما إذا كان بإمكانهم استخدام حركات عين أخصائي الأشعة لمساعدة الذكاء الاصطناعي ليصبح محققاً أفضل. وبدلاً من مجرد عرض الأشعة السينية على الذكاء الاصطناعي، عرضوا له الأشعة السينية بالإضافة إلى فيديو يوضح أين اتجهت أعين طبيب حقيقي أثناء التشخيص.
جوهر فكرتهم هو أن النظر إلى صورة طبية ليس لحظة ثابتة وجامدة، بل هو عملية تحدث بمرور الوقت. أدرك المؤلفون أن نماذج الذكاء الاصطناعي السابقة كانت تعامل انتباه الطبيب كلقطة واحدة ضبابية. لكن في الواقع، تتغير نظرة الطبيب. في البداية، قد يقوم بمسح سريع وواسع للصدر بأكمله (للبحث عن المشكلات الكبيرة والواضحة). لاحقاً، قد يركز بصره على تفاصيل دقيقة ومحددة (للبحث عن مشكلات نادرة ودقيقة).
ولرصد ذلك، قام الفريق بتقسيم وقت مشاهدة الطبيب إلى أربع نوافذ متساوية. وقد أنشأوا نمطين خاصين للاهتمام:
- التكامل (Integration): يشبه هذا تقريب الطبيب للنظر لربط النقاط ببعضها في دليل مفصل ومحدد.
- التفكك (Disintegration): يشبه هذا تراجع الطبيب للخلف للحصول على رؤية شاملة وعامة للصورة بأكملها.
لقد بنوا نظام "المعلم والتلميذ" لتعليم الذكاء الاصطناعي. المعلم هو ذكاء اصطناعي ذكي يتعلم مباشرة من بيانات نظرة عين أخصائي الأشعة. إنه يتدرب على النظر إلى الأشعة السينية من خلال تلك النوافذ الزمنية الأربع، ويتعلم كيفية دمج التفاصيل الدقيقة والتفكك إلى رؤية واسعة. وبمجرد تدريب المعلم، فإنه لا يحتاج بعد ذلك إلى بيانات نظرة العين. ثم يقوم بتعليم التلميذ (ذكاء اصطناعي أبسط وأسرع) كيفية النظر إلى الأشعة السينية. يتعلم التلميذ محاكاة تركيز المعلم، لكنه يحتاج فقط إلى صورة الأشعة السينية للعمل. وهذا يعني أنه يمكن استخدام الذكاء الاصطناعي النهائي في المستشفى دون الحاجة إلى تتبع أعين الأطباء في الوقت الفعلي.
ماذا وجدوا؟
اختبر الفريق GazeLT على مجموعتين ضخمتين من صور الأشعة السينية للصدر: مجموعة بيانات NIH-CXR-LT (التي تضم 89,237 صورة) ومجموعة بيانات MIMIC-CXR-LT (التي تضم 111,898 صورة). هذه المجموعات هي مجموعات "طويلة الذيل"، مما يعني أنها تحتوي على العديد من الأمراض الشائعة (مثل الالتهاب الرئوي) وقليل جداً من الأمراض النادرة (مثل استرواح المنصف).
كانت النتائج واعدة للغاية. لم يكتفِ GazeLT بأداء جيد فحسب، بل تفوق بشكل كبير على أفضل الطرق الموجودة.
- في المتوسط، تفوق GazeLT على أفضل طرق "الخسارة طويلة الذيل" بنسبة 4.1%.
- كما سحق النماذج المرجعية السابقة لـ "الانتباه البصري" بنسبة هائلة بلغت 21.7%.
والأهم من ذلك، أصبح الذكاء الاصطناعي أفضل بكثير في اكتشاف الأمراض النادرة. في مجموعة بيانات NIH، حسن النظام اكتشاف الفئات النادرة "الذيل" بنسبة 10.9%، وفي مجموعة بيانات MIMIC، بنسبة 12.TY 2.2%. وبينما كان أقل دقة قليلاً في رصد الأمراض الأكثر شيوعاً (بانخفاض قدره حوالي 5%)، إلا أن المكسب في العثون على الحالات النادرة والخطيرة اعتُبر فوزاً كبيراً، حيث أن تفويت هذه الحالات غالباً ما يكون الخطأ الأكثر خطورة في الطب.
كيف أثبتوا نجاحهم؟
لم يكتف الباحثون بالتخمين بأن هذا سينجح؛ بل أجروا سلسلة من التجاروهات لإثبات ذلك. قارنوا GazeLT بنماذج الذكاء الاصطناعي القياسية التي تستخدم رياضيات أساسية للتعامل مع الفئات النادرة، وكذلك بنماذج أخرى حاولت استخدام بيانات نظرة العين ولكنها لم تقسمها إلى نوافذ زمنية.
كما أجروا "دراسات الاستئصال" (ablation studies)، وهي طريقة فنية لتفكيك أجزاء من آلتهم لمعرفة الجزء الذي يقوم بالعمل الأكبر. ووجدوا أن:
- استخدام جزء "التكامل" فقط أو جزء "التفكك" فقط لم يكن فعالاً بقدر استخدام الاثنين معاً.
- تقسيم الوقت إلى 4 نوافذ كان هو "النقطة المثالية". فالتقسيم إلى نافذتين لم يكن مفصلاً بما يكفي، والتقسيم إلى 8 نوافذ خلق الكثير من الارتباك والتكرار. لقد حقق إعداد الـ 4 نوافذ توازناً مثالياً بين الحاجة لرؤية الصورة الكبيرة والتفاصيل الصغيرة.
العقبة والمستقبل
توضح الورقة بوضوح أحد القيود: لتدريب ذكاء "المعلم" الاصطناعي، أنت تحتاج فعلياً إلى أخصائي أشعة يرتدي نظارات تتبع حركة العين وينظر إلى الأشعة السينية. وهذا أمر صعب في العالم الحقيقي لأنه يتطلب أجهزة خاصة وأطباء مستعدين للتعاون. ومع ذلك، يؤكد المؤلفون أنه بمجرد تدريب "المعلم" وتعليمه لـ "التلميذ"، يمكن للتلميذ العمل بشكل مثالي دون أي بيانات لتتبع العين على الإطلاق. أنت فقط تغذيه بصورة الأشعة السينية، وهو يعطيك التشخيص.
يقترح الباحثون أنه يمكن استخدام هذا النهج في النهاية لأنواع أخرى من الصور الطبية، مثل الأشعة المقطعية (CT) أو الرنين المغناطيسي (MRI)، وليس فقط الأشعة السينية للصدر. كما أشاروا إلى أنهم لم يأخذوا في الاعتبار مدى ثقة الأطباء في تشخيصاتهم، وهو أمر قد يستكشفونه في المستقبل.
باخت-صار، يشير GazeLT إلى أنه إذا علمنا الذكاء الاصطناعي كيف "ينظر" بالطريقة التي ينظر بها الخبراء البشر — عبر أخذ الوقت لمسح الصورة بشكل واسع ثم التركيز بعمق — فيمكننا بناء أدوات طبية أذكى لا تفوت الأدلة النادرة والمنقذة للحياة المختبئة وسط الضجيج.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.