ملخص تقني: النوى الجوهرية الواعية بالهندسة لتعزيز التعلم السياقي البصري المتين في علم أمراض الأنسجة

بيان المشكلة

تقدم نماذج الرؤية واللغة (VLMs) مسارًا واعدًا لعلم أمراض الأنسجة الحسابي من خلال الربط بين الإدراك البصري والاستدلال السريري مفتوح النهايات. ومع ذلك، يواجه نشر هذه النماذج سريريًا حاجزين حرجين:

1. ندرة البيانات والخصوصية: إن الضبط الدقيق لنماذج الرؤية واللغة التي تحتوي على مليارات المعلمات باستخدام بيانات أمراض نادرة، وموسومة من قبل خبراء، وحساسة للخصوصية، هو أمر مكلف حاسوبيًا وغالبًا ما يكون غير ممكن.
2. عدم استقرار التعلم السياقي (ICL): بينما يسمح التعلم السياقي للنماذج بأداء المهام عبر أزواج الصور والنصوص التوضيحية دون تحديث المعلمات، إلا أنه يعاني من حساسية عالية تجاه اختيار الأمثلة وصياغة الاستعلامات. تعتمد استراتيجيات الاختيار الحالية، مثل استرجاع أقرب $k$ جار ($k$NN)، على تشابه الاستعلام المحلي ولكنها تتجاهل البنية التوزيعية العالمية لمجموعة البيانات. علاوة على ذلك، تفشل الطرق الحالية غالبًا في مراعاة هندسة التضمين المشترك للرؤية والنص في نماذج الرؤية واللغة، مما يؤدي إلى تشخيصات غير موثوقة، وعدم استقرار ناتج عن الصياغة (prompt-induced instability)، وهلوسات مفرطة في الثقة—وهي مشكلات ضارة بشكل خاص في علم أمراض الأنسجة حيث يحجب عدم توازن الفئات المورفولوجية (الشكليّة) الأقلية.

المنهجية: GAUC

يقترح المؤلفون GAUC (النوى الجوهرية الواعية بالهندسة - Geometry-Aware Uncertainty Coresets)، وهي طريقة اختيار نواة جوهرية (coreset) لا تتطلب تدريبًا، تعمل مباشرة في فضاء التضمين متعدد الوسائط المدرب مسبقًا لنموذج رؤية ولغة مجمد ($W_\theta$). بدلاً من تعلم معلمات جديدة، يقوم GAUC باختيار مجموعة فرعية مدمجة من صور التوضيح الحقيقية والقابلة للتتبع سريريًا ($D$) من مجموعة بيانات كاملة ($F$) عن طريق تقليل دالة هدف مركبة تتكون من ثلاثة حدود متكاملة:

1. الأمانة التوزيعية الواعية بالهندسة (MMD):
   لمنع انكماش النواة الجوهرية في العناقيد المورفولوجية المهيمنة، يفرض GAUC أن يعكس توزيع تضمين النواوة الجوهرية المختارة توزيع مجموعة البيانات الكاملة. ويتم تحقيق ذلك من خلال تقليل التباعد المتوسط الأقصى (Maximum Mean Discrepancy - MMD) بين التوزيعين في فضاء هيلبرت لإعادة الإنتاج (RKHS). وهذا يضمن التمثيل العالمي عبر جميع المورفولوجيات النسيجية.

2. تنظيم متانة الصياغة (EMID):
   لمعالجة الحساسية تجاه تغيرات الاستعلام النصي، يستخدم GAUC فرق المعلومات المتبادلة الفعال (Effective Mutual Information Difference - EMID). يقيس هذا الحد تدهور الاقتران بين استجابة النموذج والمدخلات متعددة الوسائط عند إعادة صياغة المطالبة (prompt). ومن خلال تقليل حد علوي لـ EMID (المستمد عبر تباعد جينسن-شانون فوق تضمينات الرؤية والنص والاستجابة)، تختار الطريقة أمثلة تؤدي إلى مخرجات متسقة بغض النظر عن صياغة المطالبة، مما يستفيد صراحة من المحاذاة المشتركة بين الرؤية والنص في نموذج الرؤية واللغة.

3. تنظيم التباين التنبئي:
   لقمع التنبؤات المفرطة في الثقة وغير المستقرة (الهلوسة)، تقوم الطريقة بمعاقبة تباين توزيع احتمالية مخرجات النموذج عبر تسميات الفئات. يؤدي تقليل هذا الحد إلى توجيه الاختيار نحو أمثلة تنتج توزيعات تنبؤية مركزة ومنخفضة الإنتروبيا، مما يمنع الغموض أو الثقة المفرطة في الفئات غير الصحيحة.

يتم الحصول على النواة الج جوهرية النهائية $D^*$ عن طريق تقليل الآتي بشكل مشترك:
$$D^* = \arg \min_D \left( \text{MMD}^2(F, D) + \alpha \cdot \text{EMID}_{\text{upper}} + \beta \cdot \text{Var}(D) \right)$$
حيث يتحكم $\alpha$ و $\beta$ في عمليات المقايضة. العملية بأكملها لا تتطلب تدريبًا، وتتطلب فقط تمريرات أمامية للتضمينات ولوغاريتمات الاحتمالات المخرجة.

المساهمات الرئيسية

1. هدف واعٍ بالهندسة: آلية اختيار قائمة على التباعد المتوسط الأقصى (MMD) تحافظ على البنية العالمية لمجموعة البيانات الكاملة، مما يمنع الانهيار في العناقيد المحلية.
2. منظم متانة الصياغة: حد مشتق من EMID يقيس تباينات الاستجابة تحت الاستعلامات المعاد صياغتها، مما يفرض الثبات عبر كل من الوسائط البصرية والنصية.
3. منظم التباين: حد عقابي على عدم اليقين التنبئي يقلل من إنتروبيا المخرجات ويحد من الهلوسات المفرطة في الثقة.
4. نشر لا يتطلب تدريبًا: إطار عمل متوافق مع أي نموذج رؤية ولغة جاهز (off-the-shelf) يعمل على تحسين الدقة والمعايرة والمتانة دون إجراء أي تحديث تدرجي واحد.

النتائج التجريبية

تم تقييم الطريقة على اثنين من معايير اختبار علم أمراض الأنسجة: CRC-100K (تصنيف الأنسجة لـ 8 فئات) و MHIST (تصنيف ثنائي للزوائد اللحمية)، باستخدام بنيات نماذج Qwen و LLaVA.

• الدقة والمعايرة: في اختبار CRC-100K مع نموذج Qwen (3-shot)، حقق GAUC أعلى دقة (0.610) ودرجة F1 (0.588)، متفوقًا على أقوى خط أساس متعلم (MIMIC) بمقدار 1.16 نقطة مئوية. كما قلل بشكل كبير من خطأ المعايرة المتوقع (ECE) مقارنة بخطوط الأساس التي تعتمد على استرجاع المحاذاة للمعلومات المتبادلة.
• المتانة: أظهر GAUC أدنى تباين تنبئي تحت إعادة صياغة المطالبة (Var-para) وعبر عمليات التشغيل المستقلة (Var-runs)، مما يؤكد فعالية منظم EMID.
• تقليل الهلوسة: حقق GAUC انخفاضًا نسبيًا بنسبة 1.61% في معدلات الهلوسة على مستوى الجمل (CHAIRs) مقارنة بـ MIMIC، مما يشير إلى أن عقوبة التباين تحد بفعالية من الحالات عالية الإنتروبيا المعرضة للتزييف.
• التحليل النوعي: أظهرت التصورات أنه بينما اختار $k$NN غالبًا أمثلة مكررة مورفولوجيًا تؤدي إلى تصنيفات خاطئة واثقة، اختار GAUC أمثلة متنوعة تغطي فئات نسيجية متعددة، مما أدى إلى تشخيصات صحيحة بثقة أعلى.
• دراسات الاستئصال (Ablation Studies): أدى إزالة أي من الحدود الثلاثة (MMD أو EMID أو التباين) إلى انخفاضات ذات دلالة إحصائية في الأداء، مما يؤكد أن جميع المكونات تساهم في مكاسب متكاملة.

الأهمية والادعاءات

يفترض البحث أن GAUC يضع معيارًا جديدًا للدعم التشخيصي الموثوق الذي لا يتطلب تدريبًا في علم أمراض الأنس निघ الحسابي. من خلال دمج الاختيار الواعي بالهندسة مع الثبات المعلوماتي للمطالبة، تعالج الطريقة القيود الحرجة لنهج التعلم السياقي الحالي: الحساسية تجاه اختيار الأمثلة، وعدم استقرار المطالبة، والثقة المفرطة.

يدعي المؤلفون أن هذا النهج مهم بشكل خاص لأنه:

• يستخدم صور توضيحية حقيقية وقابلة للتتبع سريريًا، على عكس طرق تقطير البيانات التي تصنع عينات اصطناعية.
• لا يتطلب تحديثات للمعلمات، مما يجعله قابلًا للنشر الفوري مع نماذج الرؤية واللغة المدربة مسبقًا دون التكلفة الحسابية للضبط الدقيق.
• يتعمم طبيعيًا على مجالات أخرى حرجة للسلامة حيث يكون التعلم السياقي الموثوق ضروريًا ولكن البيانات شحيحة أو حساسة للخصوصية.

يشير العمل إلى أن اختيار النواة الجوهرية المنهجي في فضاء التضمين يمكن أن يتغلب على طبيعة "الصندوق الأسود" لهندسة المطالبات، مما يوفر آلية قوية لتمكين نماذج الرؤية واللغة من أداء مهام طبية عالية المخاطر دون المخاطر المرتبطة بالهلوسة وأخطاء المعايرة.