⚡ electrical engineering

Automated Histopathology Report Generation via Pyramidal Feature Extraction and the UNI Foundation Model

تقترح هذه الورقة إطار عمل هرمي للرؤية واللغة يستفيد من نموذج UNI التأسيسي المجمد لاستخراج ميزات الرقع الهرمية متعددة الدقة، ومن مُفكك شفرة "ترانسفورمر" (Transformer decoder) المرمز بنموذج BioGPT لتوليد تقارير تشخيصية من صور الأنسجة المرضية ذات الجيجابكسل، مع تعزيز الموثوقية بشكل أكبر من خلال خطوة تحقق قائمة على الاسترجاع.

المؤلفون الأصليون: Ahmet Halici, Ece Tugba Cebeci, Musa Balci, Mustafa Cini, Serkan Sokmen

نُشر 2026-02-19

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Ahmet Halici, Ece Tugba Cebeci, Musa Balci, Mustafa Cini, Serkan Sokmen

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 أن عالم الأمراض هو محقق يحاول حل جريمة، ولكن بدلاً من مسرح الجريمة، هو ينظر إلى صورة بمليار بكسل (Gigapixel) لعينة نسيجية. هذه الصورة ضخمة جداً (بمليارات البكسلات) لدرجة أنه إذا حاولت طباعتها، فستغطي مساحة حي سكني كامل. قراءة كل بكسل في الصورة لكتابة تقرير طبي أمر مستحيل على البشر للقيام به بسرعة، وهو أيضاً أصعب بالنسبة للكمبيوتر.

تصف هذه الورقة نظام "محقق ذكاء اصطناعي" يقوم بأتمتة هذه العملية. إليك كيف يعمل، مقسماً إلى خطوات بسيطة مع بعض التشبيهات الإبداعية:

1. المشكلة: "إبرة في كومة قش"

صورة الشريحة الكاملة (WSI) تشبه مكتبة ضخمة تحتوي على مليارات الكتب، لكن المعلومات المهمة مخبأة في صفحات محددة فقط.

التحدي: نماذج الذكاء الاصطناعي القياسية تشبه الطلاب الذين يحاولون قراءة كل كتاب في المكتبة في وقت واحد؛ فهم يشعرون بالإرهاق، وتنفد طاقتهم (ذاكرة الكمبيوتر)، وغالباً ما تفوتهم التفاصيل المهمة.
الحل: قام المؤلفون ببناء نظام يعمل مثل أمين مكتبة ذكي. فبدلاً من قراءة المكتبة بأكملها، يقوم أمين المكتبة بمسح الرفوف بسرعة، ويتجاهل المساحات الفارغة (الزجاج الخلفي)، ويستخرج فقط الكتب المحددة (قطع الأنسجة) التي تحتوي بالفعل على القصة.

2. الخطوة الأولى: "المسح الذكي" (المسح الهرمي)

النظام لا ينظر إلى الصورة دفعة واحدة، بل يستخدم استراتيجية هرمية:

الرؤية الواسعة: أولاً، ينظر إلى صورة مصغرة صغيرة وضبابية للشريحة بأكملها (مثل النظر إلى خريطة من طائرة). إنه يحدد مكان الأنسجة "المثيرة للاهتمام" ويتجاهل الزجاج الفارغ.
التقريب (الزوم): بمجرد العثور على النسيج، يقتر-ب أكثر، مثل محقق يستخدم عدسة مكبرة. يقوم بتقسيم الصورة إلى مربعات صغيرة يمكن التعامل معها (قطع).
فحص الجودة: قبل تحليل أي مربع، يتحقق مما إذا كانت الصورة ضبابية (خارج التركيز)، أو مظلمة جداً، أو بها غبار. إذا كانت القطعة غير صالحة، يتم رميها في المهملات. فقط القطع الواضحة وعالية الجودة هي التي تنتقل للخطوة التالية.

3. الخطوة الثانية: "الخبير المجمد" (نموذج UNI)

الآن أصبح لدى النظام مجموعة من مربعات الأنسجة عالية الجودة، وعليه أن يفهم ماهيتها.

التشبيه: تخيل أن لديك ناقداً فنياً عالمياً درس ملايين اللوحات. هذا الناقد خبير، لكن توظيفه لكل مهمة أمر مكلف للغاية.
الحيلة: بدلاً من توظيف ناقد جديد لكل شريحة، قام المؤلفون بـ "تجميد" هذا الخبير (المسمى نموذج التأسيس UNI). إنهم يتركون الخبير ينظر إلى قطع الأنسجة ويكتب ملخصاً مفصلاً لما يراه (مثلاً: "أرى خلايا غير طبيعية هنا"، "هذا يبدو كنسيج رئوي").
لماذا التجميد؟ من خلال إبقاء عقل الخبير "مجمداً" (أي عدم تغيير معرفته)، يوفر الكمبيوتر كميات هائلة من الطاقة والوقت. الأمر يشبه استخدام مدخلات موسوعة مكتوبة مسبقاً بدلاً من كتابة كتاب جديد من الصفر.

4. الخطوة الثالثة: "المترجم" (المفكك - Decoder)

يقدم الخبير (UNI) ملخصاً تقنياً، لكنه ليس تقريراً طبياً كاملاً بعد. نحن بحاجة إلى مترجم لتحويل تلك الملاحظات التقنية إلى قصة قابلة للقراءة من قبل الطبيب.

المترجم: هذا ذكاء اصطناعي خفيف الوزن (Transformer decoder) تم تدريبه خصيصاً للتحدث بـ "اللغة الإنجليزية الطبية".
القاموس: معظم نماذج الذكاء الاصطناعي تستخدم قاموساً عاماً (مثل "سيارة"، "يجري"، "أزرق"). يستخدم هذا النظام قاموساً طبياً متخصصاً (BioGPT). هذا يضمن أنه عندما يقول الذكاء الاصطناعي "سرطان القنوات الغازي" (invasive ductal carcinoma)، فإنه لا يقوم بتقسيم الكلمة بالخطأ إلى أجزاء غريبة مثل "in-vas-ive". إنه يحافظ على المصطل_حات الطبية متماسكة ودقيقة.
النتيجة: يأخذ المترجم ملاحظات الخبير ويكتب تقريراً منظماً: "العضو: الثدي. الإجراء: خزعة. التشخيص: سرطان غازي".

5. الخطوة الرابعة: "مدقق الحقائق" (التحقق عبر الاسترجاع)

حتى الذكاء الاصطناعي الذكي يمكن أن "يهلوس" أحياناً، أي يبتكر حقائق تبدو حقيقية ولكنها خاطئة. في الطب، القول بأن ورماً ما "خبيث" بينما هو "حميد" يعد كارثة.

شبكة الأمان: قبل اعتماد التقرير، يقوم النظام بعملية تدقيق للحقائق. فهو يقارن التقرير الجديد بقاعدة بيانات ضخمة تضم آلاف التقارير المكتوبة بواسطة بشر.
الاستبدال: إذا كان تقرير الذكاء الاصطناعي يشبه بنسبة 90% تقريراً حقيقياً وموثوقاً في قاعدة البيانات، يقوم النظام باستبدال نسخة الذكاء الاصطناعي بالنسخة الحقيقية المثبتة. الأمر يشبه طالبًا ينسخ الإجابة من كتاب مدرسي موثوق لأنه يعلم أنها صحيحة. أما إذا كان التقرير فريداً (حالة مرضية نادرة)، فإنه يحتفظ بنسخة الذكاء الاصطناعي ولكنه يضع علامة للمراجعة.

الخلاصة

تقدم هذه الورقة نظاماً سريعاً، وفعالاً، وموثوقاً.

بدلاً من بناء كمبيوتر خارق ضخم ومكلف يحاول القيام بكل شيء في وقت واحد، قاموا ببناء فريق عمل:
1. كشاف (الماسح الهرمي) للعثور على المواضع الجيدة.
2. خبير مجمد (UNI) لتحديد نوع النسيج.
3. مترجم متخصص (المفكك) لكتابة التقرير.
4. مدقق حقائق (الاسترجاع) لضمان الدقة.

في مسابقة حديثة شارك فيها 24 فريقاً آخر، جاء هذا النهج في المركز الثامن، مما يثبت أنك لست بحاجة إلى أكبر وأغلى ذكاء اصطناعي للحصول على نتائج رائعة، بل تحتاج فقط إلى سير عمل صحيح. إنها طريقة أذكى لمساعدة أطباء الأمراض على تشخيص السرطان بشكل أسرع وأكثر دقة.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "توليد تقارير علم الأمراض النسيجي آلياً عبر استخراج الميزات الهرمية ونموذج UNI التأسيسي."

1. بيان المشكلة

تعالج الورقة تحدي التوليد الآلي لتقارير علم الأمراض النسيجي (AHRG)، والذي يتضمن توليد نصوص تشخيصية من صور الشرائح الكاملة (WSIs). وتتمثل الصعوبات الجوهرية في:

تفاوت النطاق (Scale Disparity): تُعد صور WSIs صوراً ذات نطاق جيجابيكسل (غالباً $>10^{10}$ بكسل)، مما يجعلها غير قابلة للمعالجة حسابياً للنماذج القياسية للرؤية واللغة المصممة للصور الصغيرة (مثل $224 \times 224$ ).
الكثافة الدلالية (Semantic Density): يتطلب المخرج مصطلحات طبية دقيقة ومتخصصة. تعاني النماذج القياسية غالباً من "الهلوسة" (توليد ميزات تبدو منطقية ولكنها غير صحيحة واقعياً) أو تفتقر إلى الربط المكاني الدقيق اللازم للتشخيص الدقيق.
التكلفة الحسابية: إن التدريب الشامل (End-to-end) لنماذج اللغات الكبيرة متعددة الوسائط (MLLMs) على بيانات علم الأمراض مكلف للغاية ويؤدي غالباً إلى فقدان الميزات التشخيصية النادرة من خلال تقليم الرموز (token pruning).

2. المنهجية

يقترح المؤلفون إطار عمل هرمي معياري للرؤية واللغة يتكون من ثلاث مراحل متتالية:

أ. اختيار وتصفية الرقع الهرمية متعددة المستويات

للتعامل مع المدخلات ذات نطاق الجيجابيكسل، يستخدم النظام استراتيجية مسح من الخشن إلى الناعم بدلاً من معالجة الصورة كاملة دفعة واحدة.

المسح الهرمي: تتم معالجة صورة WSI عند مستويات دقة متعددة (عوامل خفض العينة من $2^3$ إلى $2^6$ ).
تجزئة الأنسجة: يتم إنشاء قناع ثنائي للأنسجة باستخدام عتبة مساحة اللون HSV (لتصفية الخلفية الزجاجية) ويتم تنقيحه عبر عمليات مورفولوجية.
التصفية القائمة على الجودة: يتم الاحتفاظ بالرقع المرشحة ( $256 \times 256$ $256 \times 256$ ) فقط إذا استوفت معايير محددة:
- جودة التركيز: تُقاس عبر تباين لابلاس (لرفض الرقع خارج التركيز).
- التعرض/الشوائب: الرفض بناءً على نطاقات قيمة/تشبع HSV وكسور البكسلات المظلمة (لاكتشاف الغبار أو علامات الأقلام).
أخذ العينات: يتم فرض حد أقصى قدره 2,500 رقعة لكل WSI عبر أخذ عينات عشوائية طبقية عبر مستويات الهرم لضمان التمثيل متعدد المقاييس.

ب. استخراج الميزات (المُشفر المجمد)

النموذج: يُستخدم نموذج UNI (Universal Pathology) من نوع Vision Transformer (ViT-Large/16)، المدرب مسبقاً على أكثر من 100 مليون رقعة من علم الأمراض، كـ مستخرج ميزات مجمد.
الاستراتيجية: يتم تثبيت معاملات المُشفر (307 مليون معلمة). هذا يقلل من متطلبات ذاكرة وحدة معالجة الرسومات بشكل كبير (من ~16 جيجابايت إلى ~4 جيجابايت) ويسمح بحساب الميزات وتخزينها مسبقاً.
المخرج: يتم تحويل كل رقعة مختارة إلى متجه ميزات ذي 1024 بُعداً.

ج. توليد النص (المفكك القابل للتدريب)

البنية: يتم تدريب مفكك (Decoder) ترانسفورمر بسيط مكون من 6 طبقات فوق الميزات البصرية المجمدة.
الترميز (Tokenization): يُستخدم مُرمز BioGPT بدلاً من المُرمزات العامة للتعامل بشكل أفضل مع المصطلحات الطبية الحيوية (مثل درجات الأنسجة، والأوصاف الخلوية)، مما يقلل من تفتت الرموز.
الآلية: يستخدم المفكك آلية الانتباه المتقاطع (cross-attention) للتركيز ديناميكياً على ميزات الرقع البصرية ذات الصلة أثناء توليد النص بشكل تلقائي (autoregressively).
التدريب: تم التحسين باستخدام AdamW مع جدول معدل تعلم على مرحلتين (الإحماء + الاضمحلال) على مدار 350 حقبة تدريبية.

د. التحقق القائم على الاسترجاع (ما بعد المعالجة)

للحد من الهلوسة، تمت إضافة خطوة تحقق:

يتم ترميز التقارير المولدة باستخدام Sentence-BERT.
يتم مقارنتها مع مجموعة من التقارير الأرضية (ground-truth) من مجموعة التدريب باستخدام تشابه جيب التمام (cosine similarity).
منطق الاستبدال: إذا تجاوز التشابه عتبة معينة ( $\tau = 0.85$ )، يتم استبدال التقرير المولد بمرجع أرضي مسترجع. أما التقارير التي تقل عن هذه العتبة فتُبقى كما هي، بافتراض أنها تمثل أنماطاً صحيحة ولكنها نادرة.

3. المساهمات الرئيسية

المسح الهرمي متعدد المستويات: استراتيجية قابلة للتوسع (خفض عينة من $2^3$ إلى $2^6$ ) تعطي الأولوية لمناطق الأنسجة مع كبح الخلفية والشوائب، مما يجعل معالجة الجيجابيكسل أمراً ممكناً.
تصميم المُشفر المجمد المعياري: دمج نموذج UNI التأسيسي كمستخرج مجمد مع مفكك خفيف الوزن، مما يتجنب التكلفة الحسابية لتدريب نماذج MLLM شاملة مع الحفاظ على تمثيلات مورفولوجية قوية.
الترميز المتخصص في المجال: استخدام مُرمز BioGPT لمواءمة المفردات مع المصطلحات الطبية الحيوية، مما يحسن كفاءة وفائدة فك الترميز.
التحقق المعزز بالاسترجاع: خطوة معالجة لاحقة مبتكرة تستخدم Sentence-BERT لاستبدال المخرجات المولدة عالية التشابه بمراجع أرضية، مما يحسن الموثوقية بشكل كبير دون الحاجة لتدريب معقد على التعلم التعزيزي من التغذية الراجعة البشرية (RLHF).

4. النتائج

تم تقييم الإطار على مجموعة بيانات REG 2025 Grand Challenge (10,494 زوجاً من WSI والتقارير عبر 7 أنظمة أعضاء).

الأداء: حقق الفريق (MedInsight-ViseurAI) درجة تصنيف مركبة بلغت 0.8093، مما وضعه في المركز الثامن من بين 24 فريقاً. وكان ذلك ضمن نطاق 4.7% من الطريقة الأعلى أداءً.
التحليل النوعي:
- نقاط القوة: أظهر النموذج دقة عالية في تحديد مواقع الأعضاء، وأنواع الخزعات، والتشخيصات الأولية للأمراض الشائعة (مثل السرطان الغازي، وسرطان الخلايا الحرشفية). كما التزم باستمرار بنماذج التقارير المعيارية.
- نقاط الضعف: لوحظت أخطاء في مخططات التصنيف المعقدة متعددة السمات (مثل التمييز بين السرطان "في الموضع" in situ مقابل السرطان "الغازي" invasive، أو درجات غليسون الدقيقة)، ويرجع ذلك على الأرجلة إلى التعقيد التوافقي للتركيبات التشخيصية النادرة في بيانات التدريب.
الكفاءة: سمحت المنهجية المعيارية بالتجارب المتكررة في بيئات محدودة الموارد مقارنة بتدريب النماذج الشاملة ذات المليارات من المعلمات.

5. الأهمية

يُظهر هذا العمل أن توليد التقارير التنافسي الآلي لا يتطلب بالضرورة تدريباً ضخماً وشاملاً متعدد الوسائط. فمن خلال الجمع بين:

اختيار الرقع الفعال والقابل للتفسير،
النماذج التأسيسية (المشفرات المجمدة)،
الترميز المتكيف مع المجال،
فحوصات السلامة المعززة بالاسترجاع،

حقق المؤلفون نظاماً قوياً يوازن بين الكفاءة الحسابية والموثوقية التشخيصية. يقدم هذا النهج مساراً عملياً للنشر السريري، حيث يعطي الأولوية للاتساق الهيكلي وتقليل الهلوسة، وهي أمور بالغة الأهمية للتطبيقات الطبية. ويهدف العمل المستقبلي إلى معالجة مخططات التصنيف المعقدة من خلال التنبؤ المهيكل والتحقق عبر مجموعات بيانات مؤسسية متنوعة.