Disentangling Co-Occurring Retinal Pathologies with Saliency-Guided Sparse Expert Routing

تخيل عالماً تكون فيه عيناك مثل مدينة صاخبة، والأطباء هم من ينظمون حركة المرور لمحاولة رصد الحوادث. لسنوات طويلة، كانت الأدوات المستخدمة لمسح هذه المدن (صور الشبكية) تشبه كاميرا أمنية واحدة ضخمة تلتقط صورة واحدة للشارب بأكمله وتحاول تخمين ما هو الخطأ في كل سيارة ومبنى وشخص فيها في آن واحد. هذا النهج يعمل بشكل جيد إذا كانت هناك مشكلة واحدة فقط، مثل إطار مسطح. ولكن في العالم الحقيقي، خاصة مع تقدم الناس في السن أو إصابتهم بمرض السكري، يمكن أن تعاني عين واحدة من مشاء متعددة تحدث في نفس الوقت — مثل إطار مسطح و مصباح أمامي مكسور و حفرة في نفس البقعة.

التحدي الكبير في هذا المجال من العلوم، المعروف باسم تحليل الصور الطبية، هو تعليم الحواسيب كيفية فك تشابك هذه المشكلات المختلطة. عادةً ما تتعامل البرامج الحاسوبية القياسية مع كل جزء من صورة العين بنفس الطريقة، مستخدمة نفس "القدرة الذهنية" للبقعة السليمة كما تستخدمها للبقعة المريضة. تعالج هذه الورقة البحثية هذا الأمر عبر التساؤل: ماذا لو استطعنا بناء نظام حاسوبي لا يكتفي بالنظر إلى الصورة بأكملها فحسب، بل يرسل أجزاء مختلفة من الصورة إلى خبراء متخصصين مختلفين؟ فكر في الأمر كأنه مستشفى حيث يذهب المريض الذي يعاني من كسر في الساق إلى طبيب عظام، بينما يذهب المريض الذي يعاني من الحمى إلى طبيب أمراض معدية، بدلاً من أن يرى الجميع طبيباً عاماً. الهدف هو جعل الكمبيوتر أكثر ذكاءً وسرعة وسهولة في الفهم عندما يشخص أمراض العين المعقدة.

"المستشفى الذكي" لفحص العين

في هذه الورقة البحثية، يقترح الباحثون من جامعة ولاية جورجيا وشركة Piehealthcare Inc. طريقة جديدة لتحليل صور قاع العين (الصور الملونة لخلفية عينك). لقد لاحظوا أن نماذج التعلم العميق القياسية تشبه طالباً يحاول الدراسة لخمس امتحانات مختلفة في نفس الوقت باستخدام نفس ملاحظات الدراسة لكل مادة. فعندما تحدث أمراض مثل اعتلال الشبكية السكري (DR)، والتنكس البوذي المرتبط بالعمر (AMD)، والغشاء المتقدم للشبكية (ERM)، والجلوكوما (المياه الزرقاء) معاً، يصاب الكمبيوتر بالارتباك لأنه يحاول دمج كل تلك "الأشكال المرضية" المختلفة في كومة واحدة كبيرة وفوضوية من المعلومات.

لحل هذه المشكلة، بنى الفريق نظاماً يطلق عليه اسم توجيه الخبراء المتفرق الموجه بالبروز (Saliency-Guided Sparse Expert Routing). إنه اسم طويل وصعب، لذا دعونا نفككه باستخدام تشبيه ممتع: تخيل مكتبة ضخمة وعالية التقنية حيث تصل الكتب (صور العين) كل ثانية.

1. بقعة الضوء (الترميز الموجه بالبروز - Saliency-Guided Tokenization)
أولاً، يستخدم النظام "بقعة ضوء" تسمى بوابة السياق الموجهة (Guided Context Gating - GCG). بدلاً من قراءة كل صفحة من كل كتاب بالتساوي، تقوم بقعة الضوء هذه بمسح الغلاف وجدول المحتويات للعثور على الأجزاء الأكثر أهمية و"مرضاً" في الصورة. إنها تتجاهل الخلفية المملة والسليمة (مثل بياض العين) وتُركز على البقع الملونة والفوضوية حيث يوجد المرض بالفعل. هذا يضمن أن الكمبيوتر يركز فقط على الأدلة التي تهم.

2. فريق المتخصصين (مزيج الخبراء المتفرق - Sparse Mixture-of-Experts)
بمجرد أن تجد بقعة الضوء الأدلة المهمة، يتم تقسيم الصورة إلى قطع صغيرة تسمى "رموز" (Tokens). يتم بعد ذلك إرسال هذه الرموز إلى كتلة مزيج الخبراء (Mixture-of-Experts - MoE). فكر في هذا كفريق من ثمانية أطباء مختلفين يجلسون في غرفة.

• الموجه (The Router): شرطي مرور ذكي (الموجه) ينظر إلى كل قطعة صغيرة من الصورة ويقرر أي طبيبين هما الأنسب لفحصها. إذا بدت قطعة ما وكأنها نزيف، تذهب إلى "خبير النزيف". وإذا بدت كنوع معين من الندبات، تذهب إلى "خبير الندبات".
• الطبيب المشترك: لضمان عدم نسيان النظام للأساسيات، هناك "خبير مشترك" واحد ينظر إلى كل قطعة من الصورة. هذا الطبيب يتعامل مع الأمور الشائعة التي توجد في جميع العيون، مثل الأوعية الدموية والقرص البصري، حتى يتمكن المتخصصون الآخرون من التركيز تماماً على الأشياء الغريبة والخاصة بالمرض.
• النتيجة: بدلاً من وجود عقل واحد ضخم يحاول القيام بكل شيء، يستخدم النظام نهجاً "متفرقاً" (Sparse)، مما يعني أنه يوقظ فقط الخبراء المحددون المطلوبون لتلك الصورة المحددة. هذا يوفر الطاقة، والأهم من ذلك، يحافظ على عدم اختلاط الأمراض المختلفة في ذاكرة الكمبيوتر.

3. التشخيص النهائي (الترميز الهيكلي - Structural Decoding)
بعد أن ينتهي الخبراء من عملهم، يقوم النظام بدمج آرائهم. ومع ذلك، أضاف الباحثون قاعدة ذكية: إذا اعتقد الكمبيوتر أن المريض مريض، فإنه يعرف تلقائياً أنه ليس "طبيعياً". هذا يمنع النظام من تقديم إجابات متناقضة، مثل القول بأن المريض يعاني من كسر في الساق و أنه سليم تماماً في نفس الوقت.

ما الذي وجدوه؟

اختبر الفريق نظام "المستشفى الذكي" الجديد الخاص بهم على مجموعة بيانات من صور العين التي تحتوي على خمس فئات مختلفة: اعتلال الشبكية السكري، والتنكس البوذي المرتبط بالعمر (AMD)، والغشاء المتقدم للشبكية (ERM)، والجلوكوما، والحالة الطبيعية. وقارنوا طريقتهم مع نماذج حاسوبية أخرى رفيعة المستوى باستخدام اختبار صارم حيث كان على الكمبيوتر تخمين أمراض المرضى الذين لم يرهم من قبل.

كانت النتائج مبهرة. حقق نموذجهم الجديد AUC كلي قدره 0�912 ± 0.008 و درجة F1 كلية قدرها 0.653 ± 0.014. وباللغة البسيطة، هذا يعني أن النموذج كان أفضل بكثير في اكتشاف الأمراض المتعددة في وقت واحد من أفضل الطرق السابقة، التي كانت تحوم حول 0.895 AUC.

لكن الجزء الأروع ليس مجرد الدرجة؛ بل هو أن النظام قابل للتفسير (Interpretable). استطاع الباحثون فعلياً رؤية كيف يفكر الكمبيوتر.

• خريطة "حركة المرور": عندما نظروا إلى أي "طبيب" (خبير) تم اختياره لكل مرض، وجدوا نمطاً واضحاً. فالأمراض التي تبدو مختلفة جداً عن بعضها البعض (مثل AMD أو الجلوكوما) ترسل باستمرار قطع صورها إلى خبراء محددين ومخصصين.
• اختبار "الخليط": عندما كان المريض يعاني من مرضين معاً (مثل DR و ERM)، لم يقم الكمبيوتر بالتخمين عشوائياً. بدلاً من ذلك، أرسل أجزاء من الصورة إلى "خبير DR" وأجزاء أخرى إلى "خبير ERM". أظهرت الخريطة الداخلية للكمبيوتر هذه الحالات المختلطة وهي تجلس في المنتصف تماماً بين مجموعتي المرضين المنفصلتين، مما يثبت أنه نجح في فك تشابك المشكلتين.
• الدليل البصري: باستخدام تقنية تسمى Grad-CAM++، أظهروا أن الكمبيوتر كان ينظر إلى الأماكن الصحيحة تماماً — مثل القرص البصري للجلوكوما أو البقعة لـ AMD — تماماً كما يفعل الطبيب البشري.

لماذا يهم هذا؟

تشير هذه الورقة البحثية إلى أنه من خلال الابتعاد عن "العقول الحاسوبية الموحدة للجميع" والتوجه نحو نظام يقوم بتوجيه أجزاء مختلفة من الصورة ديناميكياً إلى خبراء متخصصين، يمكننا الحصول على نتائج أفضل في تشخيص أمراض العين المعقدة. قاس الباحثون أن توجيه هؤلاء الخبراء مرتبط بقوة بالمرض المحدد (مع دلالة إحصائية p < 0.001)، مما يعني أن الكمبيوتر لا يخمن فحسب؛ بل يتعلم حقاً كيفية فصل الحالات المختلفة.

بينما لا يزال النموذج برنامجاً حاسوبياً وليس بديلاً للطبيب البشري، إلا أن هذا النهج يقدم طريقة واعدة للفحص لعدة أمراض عينية في وقت واحد، مما قد يساعد في اكتشاف المزيد من المشكلات في وقت مبكر ويساعد الأطباء على فهم لماذا اتخذ الكمبيوتر قراره. ويخلص المؤلفون إلى أن هذا النهج "المتفرق"، الذي يحاكي كيف يمكننا إرسال أجزاء مختلفة من المشكلة إلى متخصصين مختلفين، هو أداة قوية لفك تشابك الواقع المختلط للحالات الطبية المتزامنة.