Unsupervised Deep Generative Models for Anomaly Detection in Neuroimaging: A Systematic Scoping Review
تجمع هذه المراجعة النطاقية المنهجية بين ثلاث وثلاثين دراسة حول نماذج التوليد العميق غير الخاضعة للإشراف للكشف عن الشذوذ في التصوير العصبي، مع تسليط الضوء على إمكاناتها في التوطين غير المرتبط بنوع الاعتلال في البيئات شحيحة البيانات، مع تحديد التحديات الرئيسية مثل التباين المنهجي ومحدودية التحقق الخارجي.
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 خبير في ترميم اللوحات الفنية. لقد قضيت حياتك بأكملها في دراسة آلاف اللوحات لمناظر طبيعية مثالية وصحية. أنت تعرف تماماً كيف يجب أن تبدو الشجرة السليمة، والسماء الصافية، والنهر الهادئ. لقد حفظت "التوزيع الطبيعي" للطبيعة عن ظهر قلب.
ذات يوم، أحضر لك أحد العملاء لوحة تبدو غريبة بعض الشيء. هناك بقعة داكنة غريبة في منتصف غابة، أو نهر يبدو وكأنه يتدفق صعوداً. أنت لا تعرف ما هي هذه البقعة (هل هي صخرة؟ وحش؟ أم مجرد لطخة؟)، ولم ترَ قط لوحة بها هذه البقعة تحديداً من قبل.
كيف تجد المشكلة؟
أنت لا تحتاج إلى دليل يقول لك "ابحث عن صخرة هنا". بدلاً من ذلك، تستخدم معرفتك العميقة بالمناظر الطبيعية الصحية لـ إعادة إنشاء ما يجب أن تبدو عليه اللوحة لو كانت مثالية. تقوم بالرسم فوق اللوحة بنسختك "المثالية".
- حيث تتطابق لوحتك الجديدة مع القديمة تماماً؟ هذا يعني أنها سليمة.
- حيث تبدو لوحتك الجديدة مختلفة تماماً عن القديمة؟ هذا هو الشذوذ (Anomaly). البقعة هي الجزء الذي لم يستطع عقلك "إصلاحه" لأنه لا يتوافق مع قواعد المنظر الطبيعي الصحي.
هذا بالضبط ما يدور حوله البحث المعنون بـ "النماذج التوليدية العميقة غير الخاضعة للإشراف للكشف عن الشذوذ في التصوير العصبي". إنه مراجعة شاملة لـ 33 برنامج كمبيوتر مختلف (نماذج ذكاء اصطناعي) تحاول القيام بهذا الأمر تماماً مع صور الأشعة للدماغ.
الصورة الكبيرة: لماذا نحتاج إلى هذا؟
عادةً، لتعليم الكمبيوتر كيفية العثين على ورم دماغي أو جلطة، نحتاج إلى طبيب بشري يرسم دائرة حول كل ورم في آلاف الصور. هذا يشبه توظيف جيش من نقاد الفن لتحديد كل لطخة في كل لوحة. إن الأمر يستغرق وقتاً طويلاً، ويكلف ثروة، وهو أمر مستحيل بالنسبة للأمراض النادرة حيث لا نملك أمثلة كافية.
الكشف عن الشذوذ غير الخاضع للإشراف (Unsupervised Anomaly Detection) هو البديل "الكسول" (ولكن العبقري).
- القاعدة: نحن نظهر للذكاء الاصطناعي فقط صور الدماغ السليمة.
- الهدف: يتعلم الذكاء الاصطناعي كيف يبدو الدماغ "الطبيعي".
- الاختبار: عندما نظهر له دماغاً مريضاً، يحاول "إعادة بناء" (Reconstruct) هذا الدماغ كما لو كان سليماً.
- النتيجة: الأجزاء من الدماغ التي تبدو مختلفة عن "النسخة الصحية" يتم تحديدها كأجزاء مشبوهة أو بها خلل.
المدارس الفنية الأربع (عائلات النماذج)
لقد بحث الورقة في أربع طرق مختلفة لبناء هؤلاء "المرممين" من الذكاء الاصطناعي. فكر في الأمر كأربع مدارس مختلفة للفن:
المشفرات التلقائية - Autoencoders (الضاغطون):
- كيف تعمل: تحاول ضغط صورة الدماغ في ملاحظة صغيرة مضغوطة جداً (مثل رسالة نصية) ثم توسيعها مرة أخرى.
- العيب: إذا كانت الملاحظة صغيرة جداً، فإنهم يفقدون التفاصيل. وإذا حاولوا تذكر كل شيء بجهد كبير، فقد "يتذكرون" الورم أيضاً عن طريق الخطأ، مما يجعل اكتشافه صعباً.
- الحكم: جيدة للأورام الكبيرة والواضحة، لكنها غالباً ما تكون ضبابية.
المشفرات التلقائية التباينية - VAEs (علماء الاحتمالات):
- كيف تعمل: بدلاً من مجرد الضغط، هم يتعلمون قواعد الاحتمالية. يتساءلون: "ما هو احتمال أن يكون هذا الجزء من الدماغ سليماً؟"
- العيب: قد يكونون حذرين للغاية. قد يقومون بتنعيم حواف الورم، مما يجعله يبدو أقل وضوحاً.
شبكات الخصومة التوليدية - GANs (المزورون):
- كيف تعمل: تخيل مزوراً يحاول صنع لوحة مزيفة ومحققاً يحاول كشفهم. المزور (Generator) يحاول صنع دماغ "سليم" مثالي، والمحقق (Discriminator) يحاول كشف التزييف. يتقاتل الاثنان ضد بعضهما حتى يصبح المزور بارعاً جداً.
- العيب: من الصعب تدريبهم. أحياناً يعلق المزور في حالة معينة، أو يصبح المحقق سهلاً للغاية. ولكن عندما ينجحون، تكون الصور حادة ودقيقة جداً.
نماذج الانتشار - Diffusion Models (مزيلو الضجيج):
- كيف تعمل: هذه هي المدرسة الأحدث والأكثر رواجاً. تخيل أخذ صورة واضحة وإضافة "ضجيج" (Static noise) إليها ببطء حتى تصبح مجرد بياض مشوش. يتعلم الذكاء الاصطناعي كيفية عكس هذه العملية: البدء من الضجيج وإزالة الضجيج ببطء للكشف عن صورة واضحة.
- الحيلة: إذا قمت بتغذيتها بدماغ مريض، فإنها تحاول "إزالة الضجيج" منه لإعادته إلى حالة صحية. الأجزاء التي تقاوم عملية "التنظيف" هي الشذوذات.
- الحكم: هذه النماذج هي الأكثر شعبية حالياً وغالباً ما تنتج نسخاً "صحية" أكثر واقعية، لكنها بطيئة جداً وتتطلب قدرات حوسبة عالية.
ماذا وجدوا؟ (تحول في الأحداث)
راجع المؤلفون 33 دراسة ووجدوا بعض الأشياء المفاجئة:
مشكلة "الكبير مقابل الصغير":
- الأورام الكبيرة: الذكاء الاصطناعي بارع في العثور على الأورام الكبيرة والساطعة (مثل بقعة حمراء كبيرة على حقل أخضر). عملية "إعادة البناء" تفشل في إصلاحها، لذا تبرز بوضوح.
- البقع الصغيرة/الغريبة: يعاني الذكاء الاصطناعي مع البقع الصغيرة والمتفرقة (مثل التصلب المتعدد) أو المشكلات المنتشرة (مثل السكتات الدماغية). هذه تشبه اللطخات الصغيرة والباهتة. غالباً ما يظن الذكاء الاصطناعي: "أوه، هذا مجرد اختلاف طبيعي"، ويقوم بإصلاحه على أي حال. كلما كان المشكل أصغر، زادت صعوبة العثور عليه.
مشكلة "المعلم":
- الذكاء الاصطناعي جيد بقدر جودة الأدمغة "السليمة" التي تدرب عليها. إذا كانت بيانات التدريب منحازة (على سبيل المثال، لشباب فقط، أو لأشخاص من مستشفى واحد فقط)، فسيصاب الذكاء الاصطناعي بالارتباك عندما يرى شخصاً مسناً أو شخصاً من خلفية مختلفة. قد يظن أن التغير المرتبط بالعمر هو مرض.
لا يوجد فائز واحد:
- لا يوجد نموذج واحد "أفضل". أحياناً تعمل المشفرات التلقائية التقليدية بشكل أفضل؛ وأحياناً تفوز نماذج الانتشار الجديدة. الأمر يعتمد كلياً على نوع المرض الذي تبحث عنه وعلى البيانات التي تملكها.
الخلاصة
هذا البحث هو بمثابة "واقع مرير".
- الأخبار الجيدة: لدينا أدوات قوية يمكنها النظر إلى صورة أشعة للدماغ، وتخيل شكل النسخة السليمة، وتسليط الضوء على الاختلافات دون الحاجة إلى طبيب يرسم دوائر أولاً. هذا أمر ضخم بالنسبة للأمراض النادرة.
- الأخبار السيئة: هذه الأدوات ليست مثالية بعد. هي رائعة في العثء على الوحوش الكبيرة والواضحة، لكنها غالباً ما تفوت الوحوش الصغيرة والمراوغة. كما أنها ترتبك إذا لم تكن الأمثلة "السليمة" التي تعلمت منها متنوعة بما يكفي.
ببساًطة: نحن نبني ذكاءً اصطناعياً يمكنه "الحلم" بدماغ سليم. وعندما يستيقظ ويرى دماغاً مريضاً، يشير إلى الأجزاء التي لا تتوافق مع الحلم. إنها بداية واعدة، لكن لا يزال أمامنا طريق طويل قبل أن نتمكن من استبدال طبيب الأشعة البشري.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.