Integrating Implicit and Explicit Relational Biases through Graph-Based Multiple Instance Learning: A Case Study in Skin Lesion Diagnosis

تخيل أنك تحاول تعليم كمبيوتر التعرف على نوع معين من الأشياء، مثل طائر نادر أو بقعة صعبة على قميص، بمجرد النظر إلى صورة فوتوغرافية. في عالم الذكاء الاصطناعي، يسمى هذا "تصنيف الصور". لفترة طويلة، كان الكمبيوتر بارعًا حقًا في هذا من خلال النظر إلى نقاط صغيرة من الألوان (البكسلات) وتعلم كيفية تراكمها لتشكل أشكالاً. لكن هناك عقبة: الأشياء في العالم الحقيقي، وخاصة في الطب مثل بقع الجلد، ليست مجرد أكوام عشوائية من البكسلات. بل لها بنية؛ فأجزاء الشامة أو الآفة تتواصل مع بعضها البعض؛ فحافة البقعة لها علاقة بمركزها.

لمساعدة الحواسيب على فهم هذه العلاقات، يستخدم العلماء شيئًا يسمى "التحيز الاستقرائي" (Inductive Bias). فكر في هذا كقاعدة أو تلميح نعطيه للكمبيوتر حول كيفية عمل العالم. إحدى الطرق هي التعلم "الضمني"، حيث يكتشف الكمبيوتر الروابط من تلقاء نفسه عبر النظر إلى ملايين الصور، تمامًا كما تتعلم أنت التعرف على وجه صديق دون أن تُخبر بالضبط ما هي الملامح المهمة. وهناك طريقة أخرى وهي التعلم "الصريح"، حيث نرسم حرفيًا خريطة للكمبيوتر، نوضح له أي أجزاء الصورة هي جيران ويجب مقارنتها. يستكشف هذا البحث ما يحدث عندما نجمع بين هذين النهجين: ترك الكمبيوتر يتعلم الأساسيات بمفرده، ثم إعطائه خريطة محددة لمساعدته على ربط النقاط بشكل أفضل. الهدف؟ جعل التشخيص الطبي أكثر دقة، وهو أمر بالغ الأهمية لأن الأطباء يحتاجون إلى كل ميزة ممكنة لرصد الأمراض مبكرًا.

قصة الورقة البحثية: تعليم الكمبيوتر كيف "يتحدث" مع نفسه

تتحدث هذه الورقة عن فريق من الباحثين أرادوا معرفة ما إذا كان بإمكانهم جعل الكمبيوتر أكثر ذكاءً في تشخيص آفات الجلد (البقع على الجلد التي قد تكون سرطانية) من خلال مزج طريقتين مختلفتين من التفكير. لقد أعدوا تجربة صغيرة لمعرفة ما إذا كان بإمكان الكمبيوتر أن يصبح أفضل في وظيفته من خلال تعلم "انطباع" الصورة بمفرده أولاً، ثم إجباره على "الدردشة" صراحة مع أجزاء مختلفة من تلك الصورة.

أولاً، أعطوا الكمبيوتر جلسة تدريب "ذاتية الإشراف". تخيل أن لديك لغز صور (jigsaw puzzle)، لكنك تغطي نصف القطع وتطلب من شخص ما تخمين ما يوجد تحتها بناءً على القطع التي يمكنه رؤيتها. فعل الكمبيوتر شيئًا مشابهًا: نظر إلى صورة آفة جلدية، وأخفى أجزاءً منها، وحاول إعادة بناء الأجزاء المفقودة. هذا علّم الكمبيوتر فهم العلاقات المحلية بين المربعات الصغيرة (المسماة "الرقع" أو patches) دون الحاجة إلى إنسان ليخبره ما هو المرض. هذا هو الجزء الضمني — تعلم قواعد اللعبة من خلال لعبها.

بعد ذلك، أخذوا تلك "الانطباعات" المتعلمة (embeddings) وحاولوا تصنيف البقع الجلدية. بدأوا بطريقة قياسية حيث ينظر الكمبيوتر فقط إلى جميع الرقع ويصوت على التشخيص المفترض. كانت هذه هي نقطة المرجع (baseline) الخاصة بهم، وقد نجحت بشكل جيد، حيث حققت "دقة متوازنة" بلغت 76.17% في مجموعة اختبار واحدة (ISIC-2018). لكن الباحثين لم يكتفوا بذلك، فقد أرادوا معرفة ما إذا كان بإمكانهم تحقيق نتائج أفضل بإضافة الجزء الصريح: الخريطة.

قاموا بتنظيم الرقع في "رسوم بيانية" (graphs) مختلفة، وهي ببساطة شبكات متطورة حيث ترتبط النقاط (الرقع) ببعضها البعض عبر خطوط (علاقات). جربوا ثلاثة أنواع من الخرائط:

1. العشوائية: ربط الرقع بجيران عشوائيين، مثل مجموعة دردشة فوضوية.
2. الشبكية (Grid): ربط الرقع بجيرانها المباشرين فقط، مثل كتلة سكنية حيث لا تتحدث إلا مع المنازل المجاورة لك.
3. الجيران الأقرب (kNN): ربط الرقع بالأجزاء الأكثر تشابهًا معها، بغض النظر عن مكانها في الصورة، مثل نادٍ حيث تقضي وقتك فقط مع من لديهم نفس الهوايات.

ثم استخدموا نوعًا خاصًا من الشبكات العصبية (شبكة عصبية رسومية - Graph Neural Network) للسماح لهذه الرقع بـ "تمرير الرسائل" إلى بعضها البعض عبر خطوط خريطتهم قبل اتخاذ القرار النهائي.

ماذا وجدوا؟

كانت النتائج واضحة تمامًا. الكمبيوتر الذي اكتفى بالنظر إلى الرقع والتصويت (النموذج المرجعي) حقق دقة 76.17%. وعندما أضافوا التعلم "الضمني" (إعادة بناء الجزء المفقود ذاتي الإشراف)، ارتفعت الدقة إلى 77.12%. لكن السحر الحقيقي حدث عندما أضافوا الخرائط الصريحة.

كان الأفضل أداءً هو الرسم البياني الشبكي (Grid Graph) المدمج مع نوع محدد من شبكات تمرير الرسائل يسمى "شبكة الانتباه الرسومية" (GAT). هذا الإعداد، الذي أجبر الكمبيوتر على احترام التخطيط الفيزيائي للآفة الجلدية، رفع الدقة إلى 79.27%. هذا تحسن قوي! وفي مجموعة بيانات ثانية أكبر (ISIC-2019)، أدت نفس استراتيجية دمج التعلم الضمني مع رسم بياني من نوع kNN (ربط الرقع المتشابهة) إلى دفع الدقة إلى 60.67%، متفوقة على نسخة التعلم الضمني فقط التي استقرت عند 59.84%.

كما اختبر الباحثون سيناريو "ماذا لو": ماذا لو لم يستطع الكمبيوتر التعلم من الرسائل واكتفى فقط باستخدام خريطة ثابتة ومحددة مسبقًا؟ عندما قاموا بـ "تجميد" جزء تعلم الشبكة الرسومية، انهار الأداء إلى 34.28%. وهذا يشير إلى أن الكمبيوتر يحتاج إلى تعلم كيفية ارتباط الرقع ببعضها البعض بشكل نشط؛ فمجرد امتلاك الخريطة ليس كافيًا. عملية التعلم نفسها هي التي تصنع الفارق.

لماذا يهم هذا الأمر؟

تشير الورقة البحثية إلى أن السر لا يكمن فقط في امتلاك المزيد من البيانات أو أجهزة كمبيوتر أكبر، بل في كيفية ربط النقاط ببعضها البعض. من خلال الجمع بين قدرة الكمبيوتر على تعلم الأنماط بمفرده (التعلم الضمني) وطريقة مهيكلة لمقارنة أجزاء مختلفة من الصورة (التعلم الصريح)، أنشأوا نظامًا أكثر دقة من العديد من الطرق السابقة. في الواقع، أداؤوا نموذجًا واحدًا يكاد يقترب من أداء بعض طرق "التجميع" (ensemble) الضخمة التي تجمع تنبؤات ما يصل إلى 90 نموذجًا معقدًا.

يخلص المؤلفون إلى أن هذا النهج يعد طريقة واعدة للتعامل مع الصور الطبية، حيث تكون العلاقة بين الأجزاء المختلفة للآفة أمرًا حاسمًا. لقد وجدوا أنه بينما يوفر التعلم الضمني أساسًا رائعًا، فإن إضافة النمذجة العلاقاتية الصريحة تعطي هذا الأساس سقفًا متينًا. إنه تذكير بأنه في عالم الذكاء الاصطناعي، أحيانًا تحتاج ألا تعلم الكمبيوتر ماذا ينظر إليه فحسب، بل كيف يفكر في الروابط بين ما يراه.