Generative AI and Foundation Models in Medical Image
تقدم هذه الورقة نظرة عامة على الذكاء الاصطناعي التوليدي والنماذج التأسيسية، بما في ذلك نماذج الانتشار والنماذج اللغوية الكبيرة، وتناقش بناءها، وتطبيقاتها في معالجة ودعم الصور الطبية، واستراتيجيات تطوير ذكاء اصطناعي عالي الأداء للرعاية الصحية باستخدام البيانات والموارد الحسابية الوطنية.
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 عالم علوم الحاسوب كأنه مطبخ ضخم يعج بالحركة. لفترة طويلة، كان الطهاة (الحواسيب) بارعين في اتباع وصفات صارمة لفرز المكونات: "هل هذه حبة طماطم أم حبة بطاطس؟" أو "أين توجد البصلة بالضبط في هذه الكومة؟". كان هذا هو عصر "الذكاء الاصطناعي التمييزي" (Discriminative AI)، حيث كانت مهمة الآلة هي النظر إلى صورة واتخاذ خيار بسيط. ولكن مؤخرًا، دخل نوع جديد من الطهاة إلى المطبخ: "الذكاء الاصطناعي التوليدي" (Generative AI). فبدلاً من مجرد الفرز، يمكن لهذا الطاهي الجديد أن ينظر إلى ملاحظة قصيرة تقول "اصنع حساءً" ويقوم بالفعل باستحضار وعاء ساخن ولذيذ من الحساء من العدم. يمكنه كتابة القصص، ورسم الصور، وحتى ابتكار وصفات جديدة. هذا التحول يحدث بسبب "النماذج التأسيسية" (Foundation Models)، والتي تشبه مدارس الطهي الضخمة والذكية للغاية التي تذوقت ملايين الأطباء وتعلمت القواعد العامة للطهي، بدلاً من مجرد حفظ وصفة واحدة محددة. لماذا يهم هذا؟ لأنه في الطب، يمكن لهؤلاء الطهاة الجدد مساعدة الأطباء عبر إنشاء صور طبية مزيفة للتدرب عليها، أو كتابة التقارير بشكل أسرع، أو رصد الأمراض التي قد يغفلون عنها، مما قد ينقذ الأرواح ويجعل الرعاية الصحية أفضل للجميع.
تتعمق هذه الورقة البحثية، التي كتبها ماساهيرو أودا، في كيفية تدريب هؤلاء الطهاة الجدد من "الذكاء الاصطناعي التوليدي" للعمل في المطبخ الطبي، وتحديداً بالنظر إلى الصور الطبية مثل الأشعة السينية والرنين المغناطيسي. يشرح المؤلف أنه بينما كان الذكاء الاصطناعي القديم بارعاً في رصد الأشياء، فإن "الذكاء الاصطناعي التوليدي" الجديد يمكنه في الواقع إنشاء صور ونصوص جديدة. تركز الورقة على نوعين رئيسيين من هؤلاء الطهاة: أولئك الذين يصنعون الصور (باستخدام ما يسمى "نماذج الانتشار" أو Diffusion Models) وأولئك الذين يكتبون النصوص (باستخدام "نماذج اللغات الكبيرة" أو LLMs).
تشير الورقة إلى أن هذه الأدوات الجديدة تغير قواعد اللعبة. بالنسبة لإنشاء الصور، يصف المؤلف عملية تشبه النحات الذي يبدأ بكتلة من الرخام المليئة بالضجيج والتشويش، ثم يبدأ ببطء في نحت هذا الضجيح حتى يبرز تمثال واضح ومثالي. هكذا تعمل نماذج الانتشار؛ فهي تبدأ بالفوضى المحضة وتصقلها تدريجياً لتصبح صورة طبية واقعية. وتوضح الورقة أنه بينما لا يمكننا استخدام هذه الصور المصنوعة بالذكاء الاصطناعي لتشخيص مريض حقيقي بشكل مباشر (بما أنها ليست لأشخاص حقيقيين)، إلا أنها مفيدة للغاية لعملية "تعزيز البيانات" (Data Augmentation). فكر في الأمر كأن مطور ألعاب فيديو يقوم بإنشاء آلاف الأعداء المزيفين لتدريب اللاعب على ردود أفعله قبل المعركة الحقيقية. ومن خلال استخدام هذه الصور المولدة بالذكاء الاصطناعي لتدريب أنظمة ذكاء اصطناعي أخرى، يمكن للباحثين بناء أدوات تشخيصية أكثر ذكاءً، خاصة عندما يكون من الصعب العثة على بيانات مرضى حقيقية أو عندما يحتاجون لإظهار مرض في مكان محدد.
بالنسبة للنصوص، تسلط الورقة الضوء على نماذج اللغات الكبيرة (LLMs) مثل تلك التي تشغل ChatGPT. لقد "تغذت" هذه النماذج على كميات هائلة من النصوص — مثل قراءة كل كتاب في مكتبة ضخمة — لتعلم كيفية عمل اللغة. وتشير الورقة إلى أنه بينما النماذج العامة ذكية، إلا أنها تحتاج إلى تدريب خاص لفهم المصطلحات الطبية. وقد أنشأ الباحثون نسخاً محددة تم تدريبها على الكتب والمجلات الطبية، والتي يمكنها الآن مساعدة الأطباء عبر صياغة تقارير الأشعة تلقائياً أو تلخيص ملاحظات المرضى.
الجزء الأكثر إثارة في الورقة هو مفهوم "النماذج التأسيسية". فبدلاً من بناء روبوت صغير جديد من الصفر لكل مهمة (مثل روبوت واحد لرصد الأورام في الرئتين فقط، وآخر للقلب، وآخر للأدمغة)، تجادل الورقة بأننا يجب أن نبني أولاً "نموذجاً تأسيسياً" واحداً ضخماً وفائق الذكاء. يتعلم هذا النموذج العملاق الأنماط العامة من مجموعات بيانات ضخمة. ثم، من خلال القليل من التدريب الإضافي (المسمى "الضبط الدقيق" أو Fine-tuning) أو مجرد بضع أمثلة (المسمى "التعلم من أمثلة قليلة" أو Few-shot learning)، يمكن تطويع هذا النموذج الواحد للقيام بالعديد من المهام الطبية المختلفة. وتقترح الورقة أن هذه طريقة أكثر كفاءة لبناء الذكاء الاصطناعي، خاصة بالنسبة للأمراض النادرة حيث لا توجد بيانات كافية لتدريب نموذج جديد من الصفر.
ومع ذلك، تطلق الورقة أيضاً نبرة تحذير وواقعية. فهي تشير إلى أن بناء هذه النماذج الضخمة يتطلب ثلاثة مكونات رئيسية: كميات هائلة من البيانات، وقوة حوسبة هائلة (آلاف البطاقات الرسومية)، والوقت. ويلاحظ المؤلف أنه بينما تمتلك شركات التكنولوجيا الكبرى هذه الموارد، فإنه من الأصعب على الباحثين الطبيين الحصول عليها. وتجادل الورقة صراحةً بأنه لجعل الذكاء الاصطناعي يعمل جيداً لمجموعات سكانية معينة (مثل المرضى اليابانيين)، نحتاج إلى استخدام البيانات الوطنية والحواسيب الفائقة الوطنية، بدلاً من مجرد الاعتماد على النماذج المدربة على بيانات من دول أخرى. لا تدعي الورقة أن هذه المشكلات قد حُلت بعد؛ بل تقترح أنه من خلال تجميع الموارد الوطنية — جمع ملايين الصور الطبية واستخدام الحواسيب الفائقة الجامعية — يمكننا بناء هذه الأنظمة القوية من الذكاء الاصطناعي الطبي المصممة محلياً. وتخلص المؤلفة إلى أن هذا النهج ليس مجرد حلم، بل هو مسار واقعي إذا استطعنا تنظيم بياناتنا وقدراتنا الحوسبية بفعالية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.