Open-Linguistic Concept Unified Learning for Cross-Site Interpretable Dermatology Image Diagnosis
تقترح الورقة البحثية UniCon، وهو إطار عمل لتعلم المفاهيم الموحد مفتوح اللغوية يتيح تشخيصاً جلدياً قابلاً للتفسير وعابراً للمواقع من خلال مواءمة التصنيفات المفاهيمية غير المتجانسة عبر الأنماط المختلفة وتسهيل التدخلات السريرية القوية والقابلة للتعديل دون الحاجة إلى إعادة تدريب مكلفة.
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
معضلة المحقق: لماذا يحتاج الذكاء الاصطناعي إلى مترجم عالمي
تخيل أنك تحاول تعليم روبوت ذكي للغاية ولكنه حرفي جداً كيفية تشخيص لغز ما. في عالم الطب، هذا الروبوت هو ذكاء اصطناعي (AI) مصمم للنظر إلى صور الجلد وإخبار الأطباء ما إذا كانت البقعة حميدة أم خطيرة. لفترة طويلة، كانت هذه الروبوتات مثل محققين بارعين يمكنهم حل القضايا ولكن لا يمكنهم شرح كيف فعلوا ذلك. كانوا يكتفون بالقول: "إنها سيئة"، دون إظهار خطوات عملهم. هذا جعل الأطباء الحقيقيين يشعرون بالقلق لأنهم لم يستطيعوا الوثوق بقرار لا يمكنهم فهمه.
لإصلاح ذلك، اخترع العلماء نوعاً جديداً من الذكاء الاصطناعي يسمى "نموذج عنق الزجاجة المفاهيمي" (Concept Bottleneck Model). فكر في هذا الأمر كأنه محقق يتعين عليه كتابة قائمة بالأدلة قبل تقديم تخمين نهائي. بدلاً من القفز مباشرة إلى "سرطان الجلد"، يقول الذكاء الاصطناعي أولاً: "أرى حجاباً أزرق-أبيض"، أو "أرى شبكة صبغية". هذه سمات محددة ومسماة يتعرف عليها الأطباء. وهذا يجعل الذكاء الاصطناعي شفافاً ويسمح للأطباء بالتدخل والقول: "انتظر، أنا لا أرى ذلك الحجاب الأزرق، هل أنت متأكد؟". ومع ذلك، كانت هناك مشكلة كبيرة: كانت المستشفيات المختلفة وأنواع الكاميرات المختلفة تستخدم "لغات" مختلفة لهذه الأدلة. فخبير الأمراض الجلدية الذي يستخدم كاميرا مكبرة عالية القدرة (dermoscopy) قد يبحث عن "شبكات صبغية"، بينما قد يبحث طبيب يستخدم كاميرا هاتف عادية (صورة سريرية) عن "بقع حرشفية". كانت نماذج الذكاء الاصطناعي القديمة مثل المترجمين الذين يتحدثون لهجة واحدة محددة فقط؛ فإذا انتقلت من مستشفى إلى آخر أو غيرت نوع الكاميرا، يصاب الروبوت بالارتباك ويتوقف عن العمل.
المترجم العالمي: تقديم UniCon
هنا يأيد UniCon، وهو إطار عمل اقترحه باحثون لحل حاجز اللغة هذا في تشخيص أمراض الجلد. أدرك الفريق أنه بدلاً من إجبار كل مستشفى على التحدث بنفس اللغة الصارمة، يمكنهم بناء "مترجم عالمي" يفهم جميع الطرق المختلفة التي يصف بها الأطباء بقع الجلد. كان هدفهم هو إنشاء ذكاء اصطناعي يمكنه أخذ صورة من مجهر عالي التقنية أو من هاتف ذكي بسيط، وفهم الأدلة بأي لغة قدمتها الصورة، ثم ترجمتها إلى فهم واحد مشترك يعمل في كل مكان.
وجد الباحثون أن الأساليب السابقة كانت شديدة الجمود. وجادلوا بأن مجرد تدريب نموذج على مجموعة واحدة من البيانات والأمل في أن يعمل على مجموعة أخرى لا ينجح لأن "المفردات" الخاصة بأمراض الجلد تتغير من مكان لآخر. فبعض الأماكن لديها قوائم مفصلة تضم 48 دليلاً مختلفاً، بينما تمتلك أماكن أخرى 5 أدلة فقط. يرفض UniCon فكرة أنك بحاجة إلى إعادة تدريب الذكاء الاصطناعي من الصفر في كل مرة تنتقل فيها إلى مستشفى جديد؛ وبدلاً من ذلك، يقترح نظاماً مرناً يمكنه التكيف فورياً.
إليك كيف يعمل UniCon، باستخدام بعض التشبيهات اللطيفة:
1. القاموس الشامل (كود كتاب النماذج المفاهيمية الموحدة)
تخيل قاموساً سحرياً ضخماً يحتوي على كل طريقة ممكنة قد يصف بها الطبيب بقعة جلدية، من "الحجاب الأزرق-الأبيض" إلى "البقعة الحرشفية". في الماضي، إذا استخدم الطبيب كلمة ليست في القاموس، كان الذكاء الاصطناعي يتجمد. يبني UniCon "قاموساً شاملاً" يعمل كمساحة مشتركة. فهو يأخذ الأدلة المحددة من صورة المجهر عالي التقنية والأدلة من الصورة العادية ويربطهما كلاهما بنفس المعنى الجوهري. هذا يعني أن الذكاء الاصطناعي ليس بحاجة لإعادة التدريب لكل مستشفى جديد؛ بل يبحث فقط عن الأدلة في "قاموسه الشامل" ويفهمها فوراً، بغض النظر عن مصدر الصورة.
2. القصة ذات الأربعة أجزاء (المواصفات الدلالية متعددة الأوجه)
للتأكد من أن الذكاء الاصطناعي لن يرتبك بسبب الأوصاف الغامضة، يطلب UniCon من الذكاء الاصطناعي سرد قصة حول كل دليل من أربع زوايا مختلفة، مثل محقق يستجوب شاهداً من جميع الجوانب:
- التعريف: ما هو هذا الدليل بالضبط؟
- المرادفات: ماذا قد يسمي الآخرون هذا الشيء؟
- الحالات الحدية: كيف يبدو عندما يكون غريباً أو صعب الرؤية؟
- الأمثلة المضادة: كيف يبدو عندما لا يكون هذا الدليل موجوداً؟
من خلال إجبار الذكاء الاصطناعي على تعلم هذه الزوايا الأربع، يصبح أفضل بكثير في رصد الدليل حتى في الصور الفوضوية أو غير الواضرة. إنه يشبه تعلم كلمة ليس فقط من خلال تعريفها، ولكن من خلال سماع استخدامها في النكات، وفي الأخبار الجادة، ومعرفة ما ليست عليه.
3. المرشح الموثوق (عنق الزجاجة المقيد بالموثوقية)
أحياناً، قد تكون الصورة ضبابية، أو قد لا يكون دليل معين مرئياً على الإطلاق. في الماضي، كان الذكاء الاصطناعي قد يخمن على أي حال، مما يؤدي إلى أخطاء. يضيف UniCon "مرشحاً موثوقاً" يتحقق من مدى موثوقية الدليل قبل استخدامه. إذا نظر الذكاء الاصطناعي إلى صورة عادية وحاول البحث عن "شبكة صبغية" مجهرية، يقول المرشح: "مهلاً، هذه الكاميرا لا تستطيع رؤية ذلك! تجاهله". ولكن إذا نظر نفس الذكاء الاصطناعي إلى صورة مجهر عالية التقنية، يقول المرشح: "نعم، هذا الدليل واضح وموثوق!". هذا يضمن أن الذكاء الاصطناعي يستخدم فقط الأدلة التي يمكنه رؤيتها بالفعل، مما يجعل تشخيصه النهائي أكثر موثوقية.
ما تظهره النتائج
اختبر الباحثون هذا النظام الجديد على عدة مجموعات بيانات حقيقية لأمراض الجلد، بما في ذلك صور من أنواع مختلفة من الكاميرات ومن مستشفيات مختلفة. ووجدوا أن UniCon كان أفضل في تشخيص حالات الجلد من جميع نماذج الذكاء الاصطناعي الرائدة الأخرى التي قارنوها به.
- في إحدى مجموعات البيانات المسماة Derm7pt، حقق UniCon درجة 0.845 في الدقة (كم مرة كان مصيباً عندما قال "نعم") و 0.824 في الاستدعاء (كم مرة اكتشف جميع الحالات الفعلية).
- في مجموعة بيانات أخرى تسمى SkinCon، سجل درجة أعلى، حيث بلغت الدقة 0.861 والاستدعاء 0.870.
- والأهم من ذلك، كان من الممكن "التدخل" في عمل الذكاء الاصطناعي. فإذا نظر الطبيب إلى قائمة الأدلة الخاصة بالذكاء الاصطناعي وقال: "في الواقع، أنا لا أرى ذلك الحجاب الأزرق"، يمكن للذكاء الاصطناعي تغيير رأيه فوراً وتقديم تشخيص جديد ومصحح. حدث هذا باستمرار عبر كل من صور المجهر عالية التقنية والصور العادية.
تشير الورقة البحثية إلى أن هذا النهج يعد خطوة مهمة للأمام لأنه يسمح للأطباء بالعمل مع الذكاء الاصطناعي، وتصحيح أخطائه في الوقت الفعلي، بغض النظر عن نوع الكاميرا أو المستشفى الذي جاء منه المريض. وبينما يشير الباحثون إلى أن هذه أداة قوية لتحسين كيفية تفسيرنا للصور الطبية، فإنهم يؤكدون أنها وسيلة لجعل الذكاء الاصطناعي أكثر شفافية وقابلية للتكيف، وليست علاجاً سحرياً يحل محل الأطباء البشر. لقد أثبت النظام قدرته على التعامل مع الواقع الفوضوي للغات الطبية المختلفة، محولاً مزيجاً مربكاً من اللهجات إلى محادثة واحدة واضحة بين الإنسان والآلة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.