DualDiT: A Conditional Dual-Output Diffusion Transformer for Joint OCT Image and Segmentation Mask Generation

تخيل أنك تحاول تعليم روبوت كيفية التعرف على نوع معين من الفاكهة، مثل الفراولة، ولكن ليس لديك سوى ثلاث صور للفراولة مقابل آلاف الصور للتفاح. سيصاب الروبوت بالارتباك، معتقدًا أن كل فاكهة حمراء هي تفاحة. هذه مشكلة ضخمة في العلوم الطبية، حيث يحتاج الأطباء إلى آلاف الصور المصنفة لتدريب الحواسيب على رصد الأمراض، لكن الحصول على هذه الصور أمر صعب، ومكلف، وأحيانًا مستحيل بسبب ندرة المرضى أو خصوصية البيانات. ولحل هذه المشكلة، يستخدم العلماء "الذكاء الاصطناعي التوليدي"، وهو نوع من البرامج الحاسوبية التي تعمل كفنان فائق الإبداع. فبدلاً من مجرد نسخ الصور الموجودة، يتعلم هذا النوع القواعد التي تشكل الأشياء ثم يرسم صورًا جديدة تمامًا، مزيفة، ولكنها تبدو حقيقية لدرجة يمكن أن تخدع البشر. لكن الجزء الصعب هنا هو أنه إذا رسم الذكاء الاصطناعي فراولة مزيفة، فعليه أيضًا أن يرسم خريطة مثالية توضح بالضبط مكان البذور. إذا لم تتطابق الخريطة مع الفاكهة، فإن الروبوت الذي يتعلم منها سيصبح أكثر ارتباكًا.

هذا هو بالضبط التحدي الذي واجهه الباحثون مع نوع خاص من مسح العين يسمى OCT (التصوير المقطعي للتماسك البصري). هذه المسوحات تشبه المقاطع العرضية فائقة التفصيل لشبكية العين، وهي الطبقة الحساسة للضوء في الجزء الخلفي من العين. يستخدم الأطباء هذه المسوحات لرصد الأمراض، لكن تصنيف الطبقات الدقيقة داخل هذه المسوحات يدويًا يستغرق ساعات من عمل الخبراء، مما يترك عددًا قليلًا جدًا من الأمثلة لتعليم الحواسيب. تقدم الورقة البحثية التي ستطالعها نموذجًا جديدًا وذكيًا للذكاء الاصطناعي يسمى DualDiT. فكر في DualDiT ليس فقط كرسام، بل كساحر "يستخدم سلاحين"؛ يمسك بفرشاة للصورة في يد واحدة، وبقالب (ستنسل) للخريطة في اليد الأخرى. وخلافًا لنماذج الذكاء الاصطناعي القديمة التي حاولت رسم الصورة والخريطة بشكل منفصل (مما أدى غالبًا إلى عدم تطابق فوضوي)، يتعلم DualDiT إنشاء كليهما في نفس الوقت تمامًا، مما يضمن أن طبقات مسح العين المزيف تتطابق تمامًا مع الخريطة المزيفة. اختبر الباحثون هذا النموذج على عيون فئران صغيرة محفوظة، وهي ضرورية لدراسة أمراض العين البشرية ولكن من الصعب جدًا مسحها وتصنيفها.

سحر الفنان ذو المخرجات المزدوجة

أراد الفريق وراء هذه الدراسة، بقيادة فرناندو غارسيا-توريس وزملائه، حل مشكلة "نقص البيانات" لمسوحات عيون الفئران. لقد بنوا نموذج ذكاء اصطناعي جديدًا يسمى DualDiT (محول الانتشار المزدوج المشروط). لفهم سبب تميز هذا النموذج، تخيل أنك تحاول تعليم طفل رسم منزل. إذا أريتهم صورة لمنزل ورسمًا منفصلاً للسقف، فقد يرسمون منزلًا بسقف يطفو في السماء. كانت نماذج الذكاء الاصطناعي القديمة تعمل بطريقة مشابهة لذلك، حيث تحاول توليد الصورة و"القناع" (مخطط الأجزاء المهمة) بشكل منفصل أو بطريقة غير متقنة.

ومع ذلك، فإن DualDiT يشبه طفلًا يتعلم رسم المنزل والسقف في آن واحد، مدركًا أن السقف يجب أن يستقر فوق الجدران. درب الباحثون هذا الذكاء الاصطناعي على مجموعة بيانات لشبكيات الفئران التي تم حفظها بطريقتين مختلفتين: إحدى المجموعات حُفظت في وسط سائل (فسيولوجي)، والأخرى غُمست في مادة راتنجية صلبة. تبدو هاتان الطريقتان مختلفتين قليلاً، مثل التقاط صورة لسمكة في الماء مقابل صورة لسمكة على طبق. تعلم الذكاء الاصطناعي التعرف على هذه الاختلافات وتوليد مسوحات مزيفة جديدة تتوافق مع النمط المحدد للسائل أو الراتنج.

النتائج: خداع الخبراء

وضع الفريق نموذج الذكاء الاصطناعي الجديد تحت الاختبار مقابل طريقتين تقليديتين أكثر قدماً: إحداهما تعمل مباشرة على البكسلات الخام (تسمى DDPM) والأخرى تعمل في مساحة "كامنة" مضغوطة (تسمى LLDM). وقاسوا مدى واقعية الصور المزيفة باستخدام درجة تسمى FID (مسافة فريدشيه للإنتروبيا)، حيث يعني الرقم الأقل أن الصور المزيفة أكثر تشابهًا مع الصور الحقيقية.

كانت النتائج واضحة: DualDiT هو الفائز.

• حقق DualDiT درجة FID بلغت 56.14 ودرجة sFID مكانية بلغت 114.35.
• سجل نموذج DDPM القديم 164.55 (FID) و 254.52 (sFID).
• سجل نموذج LDM نسبة 102.21 (FID) و 150.66 (sFID).

باللغة البسيطة، كانت الصور المزيفة لـ DualDiT أقرب بكثير إلى الحقيقة من النماذج الأخرى. غالبًا ما ارتكبت النماذج القديمة أخطاءً، مثل رسم طبقات ضبابية أو خلق "هلوسات" حيث تبدو الشبكية كشكل لا ينبغي أن تكون عليه. ومع ذلك، أنتج DualDiT صورًا حادة ومفصلة تبدو تمامًا مثل عيون الفئران الحقيقية، بما في ذلك النقاط الصغيرة والأنماط التي تجعلها تبدو أصلية.

لكن الاختبار الحقيقي لم يكن فقط في مدى جمال الصور؛ بل في ما إذا كان بإمكانها بالفعل مساعدة الكمبيوتر على التعلم بشكل أفضل. استخدم الباحثون الصور المزيفة التي أنتجها DualDiT لتدريب برنامج حاسوبي جديد لتحديد (تخطيط) طبقات الشبكية.

• عندما استخدموا البيانات الحقيقية فقط، حصل الكمبيوتر على درجة 0.908 (درجة Dice).
• عندما أضافوا صور DualDiT المزيفة إلى التدريب، قفزت الدرجة إلى 0.927.
• أما النماذج القديمة فقد جعلت الأمور أسوأ أو لم تساعد كثيرًا؛ فعلى سبيل المثال، تسبب نموذج DDPM في انهيار أداء الكمبيوتر عند التعامل مع العينات المغمورة في الراتنج.

اختبار البشر: هل يمكنك كشف التزييف؟

لمعرفة ما إذا كانت الصور المزيفة مقنعة حقًا، عرض الباحثون الصور على ثلاثة خبراء بشريين. طُلب من الخبراء النظر في مزيج من الصور الحقيقية والمزيفة وتخمين أي منها هو الحقيقي. كانت النتائج مفاجئة: أخطأ الخبراء بنسبة 46% عند محاولة تحديد الصور المزيفة على أنها حقيقية. كما أخطأوا في اعتبار الصور الحقيقية مزيفة بنسبة 42% من الوقت. يشير هذا إلى أن DualDiT أنتج صورًا واقعية للغاية لدرجة أن العيون المدربة لم تستطع التمييز بينها وبين الحقيقة بشكل موثوق.

ماذا يعني هذا (وماذا لا يعني)

تشير الورقة البحثية إلى أن DualDiT هو أداة جديدة قوية لإنشاء "بيانات اصطناعية" للمساعدة في تدريب الذكاء الاصطناعي الطبي عندما تكون البيانات الحقيقية شحيحة. وهي تثبت أن استخدام بنية قائمة على "المحول" (Transformer) (وهو نوع من الذكاء الاصطناعي المعروف بفهم الروابط طويلة المدى) أفضل من طرق U-Net القديمة لهذا العمل المحدد المتمثل في توليد الصور والخرائط معًا.

ومع ذلك، يوضح المؤلفون بحذر أن هذا ليس علاجًا سحريًا لكل شيء بعد. فقد أُجريت الدراسة على مجموعة بيانات صغيرة نسبيًا (حوالي 340 شريحة ممسوحة من 10 فئران)، وكانت الصور بدقة محددة (512 × 256 بكسل). وبينما تبدو النتائج واعدة، يذكر المؤلفون أن هناك حاجة لمزيد من الاختبارات على مجموعات بيانات أكبر للتأكد من نجاح ذلك في جميع أنواع مسوحات العين. كما ذكروا أن الإعداد الحالي يتطلب قدرة حوسبة كبيرة، مما قد يشكل عقبة أمام بعض العيادات.

باختصار، DualDiT هو "فنان ذو مخرجات مزدوجة" ماهر للغاية يمكنه رسم مسوحات عيون فئران مزيفة وخرائط مطابقة لها بدقة تجعل الخبراء يُخدعون وتساعد الحواسيب على التعلم بشكل أسرع. ويشير هذا إلى أنه من خلال تعليم الذكاء الاصطناعي إنشاء الصور وتسمياتها معًا، يمكننا التغلب على أكبر عقبة في الذكاء الاصطناعي الطبي: نقص البيانات المصنفة. ولكن مثل أي أداة جديدة، فإنه يحتاج إلى المزيد من الممارسة وتجارب أكبر قبل أن يمكن الوثوق به لتشخيص المرضى الحقيقيين.