OsteoCAD: A Human-in-the-Loop Cloud-Edge Framework for Bone Tumor Segmentation

تخيل عالماً لا يكون فيه أفضل صديق للطبيب مجرد سماعة طبية أو جهاز أشعة سينية، بل مساعداً رقمياً فائق الذكاء يمكنه رصد الأخطار الصغيرة والمخفية داخل جسم المريض. هذا هو الوعد الذي يقدمه الذكاء الاصطناعي (AI) في الطب، وتحديداً فرع يسمى "التعلم العميق" (Deep Learning). فكر في التعلم العميق كدماغ رقمي يتعلم من خلال النظر إلى آلاف الصور حتى يصبح خبيراً في إيجاد الأنماط—مثل طفل يتعلم التعرف على القطة من خلال رؤية العديد من القطط، ولكن على نطاق حاسوب فائق. في العالم الطبي، يتم تدريب هذا "الدماغ الرقمي" على النظر في المسحات ثلاثية الأبعاد للعظام والأعضاء للعثور على الأورام، وهي نموات غير طبيعية تحتاج إلى علاج.

ومع ذلك، هناك عقبة كبيرة. فبينما توجد هذه الأدوات فائقة الذكاء، فهي تشبه سيارات السباق باهظة الثمن وعالية الأداء؛ إذ تفتقر معظم المستشفيات، وخاصة الصغيرة منها أو تلك الموجودة في المناطق النامية، إلى "المرآب" (الحواسيب القوية) أو "الميكانيكيين" (المهندسين المتخصصين) لقيادتها. فهي غالباً ما تفتقر إلى بطاقات الرسوميات الضخمة اللازمة لتدريب هذه النماذج والخبرة التقنية اللازمة لتشغيلها. وهذا يخلق فجوة حيث يمكن فقط للمستشفيات الأكثر ثراءً استخدام أفضل أدوات التشخيص، مما يترك الآخرين خلف الركب. والسؤال الكبير هو: هل يمكننا بناء جسر يسمح لأي مستشفى، بغض النظر عن ميزانيته أو مهاراته التقنية، باستخدام أدوات الذكاء الاصطناعي القوية هذه لإنقاذ الأرواح؟

هذا هو بالضبط ما سعى الباحثون وراء مشروع OsteoCAD للقيام به. فهم لم يبنوا مجرد نموذج ذكاء اصطناعي جديد؛ بل بنوا إطار عمل "من السحابة إلى الحافة" (cloud-to-edge)، وهو تعبير تقني يعني أنهم أنشأوا نظاماً يسمح للعيادة الصغيرة بالقيام بالعمل السهل محلياً (على حواسيبها الخاصة) مع إرسال المهام الشاقة إلى خادم بعيد وقوي في "السماء" (السحابة).

إليك كيف تسرد قصتهم:

المشكلة: "سيارة سباق" في مرآب بلا مرآب
لاحظ المؤلفون أنه بينما يعد الذكاء الاصطناعي للتصوير الطبي أمراً مذهلاً، إلا أنه صعب للغاية بالنسبة للعديد من المستشفيات في الواقع العملي. فهي تحتاج إلى تسمية البيانات (رسم خطوط حول الأورام في المسحات)، وتدريب الذكاء الاصطناعي، وتشغيله، لكنها غالباً ما تفتقر إلى الحواسيب الفائقة المطلوبة لذلك. كما لا يمكنهم ببساطة إرسال بيانات المرضى إلى أي خادم سحابي عشوائي بسبب قواعد الخصوصية الصارمة.

الحل: OsteoCAD، "الورشة الرقمية"
أنشأ الفريق OsteoCAD، وهو إطار عمل معياري يعمل كمحول عالمي. تخيل عيادة صغيرة كشخص يريد خبز كعكة ضخمة ولكنه لا يملك سوى فرن تحميص صغير. OsteoCAD يشبه خدمة تسمح لهم بتحضير المكونات في المنزل، ثم إرسال الخليط إلى مخبز صناعي ضخم (مجموعة وحدات معالجة رسومية GPU بعيدة) لخبزه بسرعة، ثم إعادة الكعكة الجاهزة إلى المنزل، كل ذلك دون أن يغادر الخباز مطبخه أبداً ودون أن يعرف المخبز الصناعي عنوان الخباز الشخصي.

تم تصميم النظام من ثلاث طبقات:

1. الواجهة الأمامية (سطح طاولة المطبخ): واجهة بسيطة تعتمد على الويب حيث يمكن للأطباء والباحثين رفع المسحات، وفحص الصور، ورؤية النتائج. لا تتطلب أي برمجة.
2. الوسط (شاحنة التوصيل): يتولى هذا الجزء التعامل مع البيانات. فهو يأخذ الصور الطبية (مسحات الأشعة المقطعية)، وينظفها، ويجهزها. ومن الأهمية بمكان أنه يقوم بتجريد أي معلومات قد تحدد هوية المريض (مثل الأسماء أو تواريخ الميلاد) قبل إرسال أي شيء.
3. الواجهة الخلفية (المخبز الصناعي): يتصل هذا الجزء بحواسيب بعيدة قوية (GPUs) تقوم بالعمليات الحسابية المعقدة. يستخدم النظام "نفقاً" آمناً لإرسال البيانات إلى هناك. وبمجرد انتهاء الذكاء الاصطناعي من التدريب أو التحليل، تعود النتائج، ويتم مسح البيانات من الخادم البعيد فوراً، مثل شبح يتلاشى بعد أداء مهمته.

الاختبار الواقعي: قصة من المكسيك
لإثبات أن هذا ليس مجرد نظرية، تعاون الفريق مع مركز تأهيل في المكسيك (INR-LGII) متخصص في علاج أورام العظام، ولكنه لم يكن يمتلك أدوات ذكاء اصطناعي أو مجموعات بيانات مصنفة. لقد بدأوا من الصفر تماماً.

• الخطوة 1: بناء المكتبة. أخذوا مسحات الأشعة المقطعية من 67 مريضاً يعانون من أورام العظام. وبما أنهم لم يمتلكوا ذكاءً اصطناعياً مدرباً مسبقاً، فقد بدأوا صغاراً. أخذوا مسحات 16 من هؤلاء المرضى وجعلوا الأطباء الخبراء يرسمون الخطوط الخارجية للأورام يدوياً. هذا هو جزء "الإنسان في الحلقة" (human-in-the-loop)—البشر يعلمون الآلة.
• الخطوة 2: التدريب. أرسلوا هذه المجموعة الصغيرة من البيانات المجهولة الهوية إلى الحواسيب الفائقة البعيدة. استخدم النظام أداة ذكية تسمى nnU-Net (وهي تشبه السيارة ذاتية القيادة لتدريب الذكاء الاصطناعي؛ حيث تكتشف أفضل الإعدادات تلقائياً) لتدريب نموذج للتعرف على هذه الأورام.
• الخطوة 3: النتائج. تعلم الذكاء الاصطناعي بسرعة. في مجموعة اختبار مكونة من 16 مريضاً، حقق النموذج "درجة دايس" (Dice score) بلغت 0.84 ± 0.02. وباللغة البسيطة، تقيس هذه الدرجة مدى تطابق رسم الذكاء الاصطناعي مع رسم الطبيب. درجة 1.0 هي الدرجة المثالية، لذا فإن 0.84 هي نتيجة قوية جداً، مما يظهر أن الذكاء الاصطناعي جيد جداً في تحديد الأورام.
• الخطوة 4: الحلقة. الجزء الأفضل؟ النظام لم يتوقف عند هذا الحد. فقد اطلع الأطباء على توقعات الذكاء الاصطناعي، وصححوا أي أخطاء، وأعادوا تلك التصحيحات إلى النظام. سمح هذا بتوسيع مجموعة البيانات وتحسين النموذج دون الحاجة إلى فريق من علماء البيانات.

ما وجدوه وما لم يجدوه
توضح الورقة البحثية أن OsteoCAD نجح في السماح لمستشفى محدود الموارد ببناء وتدريب ونشر نموذج للتعلم العميق لتقسيم أورام العظام دون الحاجة إلى حواسيب فائقة محلية أو موظفين تقنيين متقدمين. كما يثبت أنه يمكنك البدء بمجموعة بيانات صغيرة وتنميتها باستخدام التغذية الراجعة البشرية.

ومع ذلك، كان المؤلفون حذرين من المبالغة في الترويج. فقد ذكروا صراحة أن هذه دراسة جدوى ودراسة حالة واقعية، وليست منتجاً طبياً نهائياً ومثالياً جاهزاً لكل مستشفى غداً. وأشاروا إلى أنه بينما قدم النموذج أداءً جيداً (Dice 0.84 ± 0.02)، فإنهم لم يقارنوه بكل النماذج الأخرى الممكنة في الوجود، وأن النظام لا يزال بحاجة إلى مزيد من الاختبار عبر أنواع مختلفة من أجهزة المسح ومجموعات المرضى. كما أوضحوا أنهم يعملون حالياً على جعل تبادل البيانات أكثر أماناً، ويخططون لإضافة ميزات تشرح لماذا اتخذ الذكاء الاصطناعي قراراً معيناً، وهو أمر بالغ الأهمية لكسب ثقة الأطباء.

الخلاصة
ليس OsteoCAD عصا سحرية تعالج السرطان فوراً، ولكنه أداة جديدة قوية تعمل على تكافؤ الفرص. إنه يشير إلى أنه من خلال الجمع بين الحوسبة السحابية الآمنة والواجهات سهلة الاستخدام، يمكننا جلب تشخيصات الذكاء الاصطناي المتقدمة إلى المستشفيات التي لم تكن قادرة على تحمل تكلفتها سابقاً. إنه يحول "سيارة السباق" إلى خدمة "نقل مشترك": فأنت لا تحتاج لامتلاك السيارة أو معرفة كيفية إصلاح المحرك؛ كل ما عليك فعله هو معرفة كيفية ركوبها وإخبارها بوجهتك. ويخلص المؤلفون إلى أن هذا النهج يمكن أن يساعد في سد الفجوة بين الأبحاء عالية التقنية والممارسة السريرية اليومية، مما يضمن توافر فوائد الذكاء الاصطناعي لمزيد من المرضى، بغض النظر عن مكان عيشهم أو مقدار المال الذي تمتلكه مستشفاهم.