AI for Mycetoma Diagnosis in Histopathological Images: The MICCAI 2024 Challenge

تخيل جسم الإنسان كمدينة صاخبة، حيث تحاول غزاة صغيرة مثل البكتيريا والفطريات التسلل عبر النوافذ المكسورة (الجروح الصغيرة في الجلد). عادةً ما يعمل جهازنا المناعي كقوة شرطة يقظة، ترصدهم وتوقفهم. ولكن في بعض الأحيان، ينشئ هؤلاء الغزاة معسكرات طويلة الأمد وعنيدة تدمر مباني المدينة (العظام والأنسجة) وتسبب ألمًا رهيبًا. هذا المرض يسمى "المتفطرة" أو "الميسيتوما" (mycetoma). إنه مثير للمشاكل، يتسلل ببراعة وغالبًا ما يضرب في أماكن لا يمتلك فيها الأطباء أدوات متطورة لرؤية ما يحدث. لتشخيص هذا المرض، يتعين على الطبيب النظر إلى شريحة دقيقة من الأنسجة المصابة تحت المجهر، بحثًا عن تجمعات صغيرة للغزاة تسمى "الحبيبات" (grains). المشكلة هي أن العثور على هذه الحبيبات ومعرفة نوع العدو بالضبط (بكتيريا أم فطر) يشبه البحث عن إبرة محددة في كومة قش وأنت ترتدي نظارات ضبابية. يتطلب الأمر خبيرًا مدربًا تدريبًا عاليًا، وهؤلاء الخبراء غالبًا ما يكونون مفقودين في الأماكن التي ينتشر فيها المرض بشكل أكبر.

هنا يأتي دور الذكاء الاصطناعي (AI)، ليعمل كزوج من النظارات فائقة القوة التي لا تتعب أبدًا. السؤال الكبير الذي طرحه الباحثون هو: هل يمكننا تعليم الكمبيوتر أن ينظر إلى هذه الصور المجهرية، ويجد التجمعات الضارة، ويخبرنا بالضبط ما هو نوع الجرثومة المسببة للمتاعب؟ إذا استطاع الكمبيوتر القيام بذلك، فسيكون ذلك بمثابة تغيير جذري لقواعد اللعبة بالنسبة للأشخاص الذين يعيشون في المناطق النائية، مما يمنحهم إمكانية الوصول إلى "خبير افتراضي" مباشرة على شاشاتهم.

سباق المجهر العظيم: تعليم الكمبيوترات رصد الغزاة غير المرئيين

في عام 2024، نظم مجموعة من العلماء سباقًا عالي المخاطر يسمى "تحدي mAIcetoma". فكر في الأمر كبطولة دولية ضخمة لألعاب الفيديو، ولكن بدلًا من سباق السيارات أو محاربة التنانين، كان المتسابقون عبارة عن فرق من مبرمجي الكمبيوتر وعلماء البيانات الذين يتسابقون لبناء أفضل محقق ذكاء اصطناعي. مهمتهم؟ إنشاء خوارزمية يمكنها النظر إلى الصور النسيجية (وهي مجرد صور ملونة وفخمة لشرائح الأنسجة) والقيام بشيئين: أولاً، العثور على "الحبيبات" الصغيرة للمرض، وثانيًا، تحديد ما إذا كانت تلك الحبيبات ناتجة عن بكتيريا أم فطريات.

سلم المنظمون للفرق ألبوم صور ضخم ومعياري يسمى "MyData". احتوى هذا الألبوم على 766 صورة لأنسجة من 127 مريضًا مختلفًا. ولجعل المنافسة عادلة، تم تقسيم الألبوم إلى ثلاثة أجزاء: مجموعة تدريب (التعلم)، ومجموعة اختبار قصير (التحقق)، وامتحان نهائي (الاختبار). كان على الفرق تعليم نماذج الذكاء الاصطناعي الخاصة بهم باستخدام مجموعة التدريب، ثم إثبات قدرتهم على التعامل مع الامتحان النهائي دون التلصص على الإجابات.

المتسابقون وقواهم الخارقة

وصلت خمسة فرق إلى النهائيات، وجلب كل منها استراتيجية مختلفة إلى الطاولة، مثل الشخصيات في فريق من الأبطال الخارقين:

• فريق Adrian عمل مثل أمين مكتبة دقيق. قبل تعليم الذكاء الاصطناعي الخاص بهم، قضوا ساعات في تنظيف ألبوم الصور، وإزالة الصور المكررة وإصلاح الملصقات الفوضوية. كانوا يؤمنون بأنه إذا أعطيت الطالب كتابًا مدرسيًا نظيفًا ومنظمًا، فإنه سيتعلم بشكل أفضل. استخدموا نهج "فريق الخبراء" (التعلم الجماعي/Ensemble learning)، حيث يصوت خمسة نماذج مختلفة من الذكاء الاصطناعي على الإجابة، والفائز هو صاحب الأغلبية.
• فريق Macaroon بنى آلة ذات خطوتين. أولًا، عمل الذكاء الاصطناعي الخاص بهم مثل كشاف الضوء، يسلط الضوء فقط على المنطقة المحددة حيث تختبئ الحبيبة (التجزئة/Segmentation). بعد ذلك، نظر ذكاء اصطناعي ثانٍ فقط إلى تلك المنطقة المضاءة ليقرر نوع الجرثومة. لقد أدركوا أن محاولة تخمين نوع الجرثومة أثناء النظر إلى الصورة الكاملة الفوضوية ستكون مشتتة للغاية.
• فريق Minions جرب نهجًا "هجينًا". بنوا نظامًا يتعلم العثัง على الحبيبات وتخمين نوع الجرثومة في نفس الوقت. حتى أنهم حاولوا تغذية الذكاء الاصطناعي الخاص بهم ببعض الأدلة "المصنوعة يدويًا" — وهي أوصاف رياضية لشكل وحجم ولون الحبيبة — آملين أن تساعد هذه التلميحات الإضافية.
• فريق Tiger استخدم استراتيجية "العدسة المكبرة". امتلك الذكاء الاصطناعي الخاص بهم آليات انتباه خاصة ساعدتهم على التركيز على الأجزاء الأكثر أهمية في الصورة، وتجاهل الخلفية المملة. كما استخدموا خدعة تسمى "تقطير المعرفة المتقاطع" (Cross Knowledge Distillation)، حيث قامت ثلاثة أجزاء مختلفة من ذكائهم الاصطناعي بتعليم بعضها البعض للاتفاق على الإجابة، مما جعل النظام بأكم له أكثر ذكاءً.
• فريق VSI اتبع نهج "التوصيل والتشغيل" (Plug-and-play). استخدموا أداة ذكاء اصطناعي جاهزة وذاتية التكوين (nnU-Net) تعدل نفسها تلقائيًا لتناسب البيانات، مثل بدلة مصممة بواسطة روبوت. أضافوا خطوة تلميع نهائية لتحديد حواف الحبيبات المكتشفة بدقة.

النتائج: من فاز بالسباق؟

عند حساب الدرجات النهائية، كانت النتائج مبهرة. نجحت جميع الفرق الخمسة في العثور على الحبيبات بدقة مذهلة، حيث سجلوا أكثر من 91% على مقي scale موزون. اتضح أن العثور على تلك التجمعات الصغيرة هو أمر يجيد الذكاء الاصطناعي الحديث القيام به بالفعل، بغض النظر عن الاستراتيجية المحددة التي تستخدمها.

ومع ذلك، كانت المهمة الثانية — التمييز بين الأنواع البكتيرية والفطرية — أصعب بكثير. هنا، تباينت الدرجات بشكل أكبر. تصدر فريق Adrian المركز الأول في كلا الفئتين، محققًا درجة موزونة بلغت 93.56% للعثัง على الحبيبات و96.14% لتصنيفها. وجاء فريق Macaroon في المركز الثاني بفارق ضئيل.

الاكتشاف الأكثر إثارة للدهشة لم يكن فقط من فاز، بل كيف فازوا. تشير الورقة البحثية إلى أنه لا توجد بنية واحدة "مثالية" للذكاء الاصطناعي تهزم كل شيء آخر. بدلاً من ذلك، كان مفتاح النجاح هو الجمع بين عدة أشياء: تنظيف البيانات بعناية، استخدام استراتيجيات ذكية للتركيز على الأجزاء الصحيحة من الصورة، وأحيانًا مجرد ترك فريق من نماذج الذكاء الاصطناعي يصوتون معًا. ومن المثير للاهتمام أن فريق Minions وجد أن إضافة تلك الأدلة "المصنوعة يدويًا" حول شكل الحبيبة لم تساعد الذكاء الاصطناعي الخاص بهم على الأداء بشكل أفضل مما لو تركوه يتعلم من الصور وحدها. هذا يشير إلى أن الذكاء الاصطناعي ذكي بما يكفي لاستنتاج التفاصيل المهمة بنفسه إذا كانت البيانات جيدة.

ماذا يعني هذا للمستقبل

تخلص الورقة البحثية إلى أن الذكاء الاصطناعي جاهز بالتأكيد للمساعدة في تشخيص "الميسيتوما"، خاصة في الأماكن التي يصعب فيها العثور على خبراء علم الأمراض. أثبت التحدي أنه يمكننا بناء أدوات موثوقة لرصد هذه الأمراض. ومع ذلك، فإن المؤلفين حذرون من ملاحظة أن هذه ليست سوى البداية. فقد تم تدريب نماذج الذكاء الاصطناعي الحالية على مجموعة محددة من الصور، وقد تحتاج إلى مزيد من التدريب مع أنواع مختلفة من الصور والصبغات قبل أن يمكن استخدامها في كل مستشفى في العالم.

الخلاصة الكبرى هي أنه بينما التكنولوجيا قوية، فإن "السر السحري" ليس مجرد برنامج كمبيوتر متطور؛ بل هو جودة البيانات والعناية المبذولة في تحضيرها. تمامًا كما يحتاج الطاهي إلى مكونات طازجة لصنع وجبة رائعة، يحتاج الذكاء الاصطناعي إلى بيانات نظيفة ومنظمة جيدًا لصنع تشخيصات عظيمة. لقد وضع هذا التحدي معيارًا جديدًا، موضحًا للعالم أنه مع العمل الجماعي الصحيح بين البشر والآلات، يمكننا مواجهة حتى أكثر الأمراض المهملة استعصاءً.