BreastMammo and DenseMammo: Benchmarks for Mammography Domain Generalization

تخيل عالماً يمتلك فيه الأطباء نظارات خارقة القوة يمكنها الرؤية عبر جسم الإنسان لرصد المشكلات قبل أن تتحول إلى أزمة. هذا هو الوعد الذي يقدمه الذكاء الاصطناعي (AI) في الطب، وتحديداً في فحص صور الماموجرام — وهي صور أشعة سينية خاصة للثدي. لسنوات، كان العلماء يدربون هذه "النظارات" من الذكاء الاصطناعي لرصد سرطان الثدي، لكنهم اصطدموا بجدار محبط. كما ترى، تستخدم كل مستشفى أجهزة أشعة سينية مختلفة من شركات مختلفة، تماماً كما تلتقط كل علامة تجارية من الكاميرات صوراً بألوان وإضاءة مختلفة قليلاً. فالذكاء الاصطناعي الذي تم تدريبه على صور من علامة تجارية واحدة غالباً ما يرتبك عندما يرى صوراً من علامة تجارية أخرى. الأمر يشبه تعليم طالب التعرف على قطة باستخدام صور من نمط فني محدد فقط؛ فعندما تظهر له صورة ملتقطة بنمط مختلف، قد لا يدرك أنها نفس القطة. يُسمى هذا الارتباك بـ "انزياح النطاق" (domain shift)، وهو مشكلة كبيرة لأنها تعني أن الذكاء الاصطناعي الذي يعمل بشكل مثالي في مستشفى واحد قد يفشل في المستشفى التالي، مما قد يؤدي إلى تفويت التشخيص.

يقدم هذا البحث طريقة ذكية لإصلاح هذا الارتباك. فقد ابتكر الباحثون مجموعتين جديدتين تماماً من بيانات الماموجرام، أطلقتا عليهما اسم BreastMammo و DenseMammo، تعملان كاختبار ممارسة ضخم ومتنوع للذكاء الاصطناعي. لكن السحر الحقيقي ليس في البيانات فحسب؛ بل في تقنية جديدة اخترعوها لتعليم الذكاء الاصطناعي كيفية تجاهل "نمط الكاميرا" والتركيز فقط على "القط". أطلقوا عليها اسم مطابقة المدرج التكراري المخصص للمقدمة فقط (foreground-only histogram matching). فكر في الأمر كأنه محرر صور يعرف بالضبط أي أجزاء من الصورة هي أنسجة الثدي الفعلية وأي أجزاء هي مجرد مساحات سوداء فارغة. وبدلاً من محاولة إصلاح الصورة بأكملة (بما في ذلك الخلفية السوداء غير المفيدة)، يقوم الذكاء الاصطناعي فقط بتعديل سطوع وتباين الأنسجة نفسها لتتطابق مع مظهر معياري. ومن خلال القيام بذلك، يتعلم الذكاء الاصطناعي التعرف على شكل وملمس الأنسجة بغض النظر عن الجهاز الذي التقط الصورة. النتائج واعدة: فعندما اختبروا هذه الطريقة على بيانات من مستشفيات لم يروها من قبل، أصبح الذكاء الاصطناعي أفضل بكثير في رصد الأنسجة الكثيفة والتمييز بين الحالات الحميدة والخبيثة، متفوقاً على الطرق الشائعة الأخرى التي حاولت حل المشكلة بطرق مختلفة.

المشكلة: قضية "فلتر الكاميرا"

تخيل أنك تحاول تعليم روبوت تحديد التفاح. تعرض عليه آلاف الصور للتفاح الأحمر الملتقطة في مطبخ مشمس. يتعلم الروبوت بشكل مثالي. ولكن بعد ذلك، تأخذه إلى مطبخ مختلف حيث الإضاءة خافتة وصفراء، ويبدو التفاح برتقالياً. يصاب الروبوت بالذعر ويسأل: "هل هذه تفاحة؟ إنها لا تبدو مثل التفاح الذي أعرفه!".

في عالم الماموجرام، هذا هو بالضبط ما يحدث. تستخدم المستشفيات أجهزة أشعة سينية مختلفة (من شركات مثل GE أو Hologic أو Siemens)، وكل جهاز يعالج الصورة بشكل مختلف قليلاً. قد يجعل أحدها الأنسجة تبدو ساطعة وعالية التباين، بينما يجعلها جهاز آخر تبدو ناعمة ورمادية. عندما يتم تدريب نموذج ذكاء اصطناعي على بيانات من مستشفى واحد أو اثنين فقط، فإنه يتعلم التعرف على "نمط" تلك الأجهزة بقدر ما يتعرف على المرض الفعلي. إذا أرسلت ذلك النموذج إلى مستشفى ثالث لديه جهاز مختلف، فسيصاب بالارتباك. يطلق البحث على هذا الأمر اسم انزياح النطاق (domain shift). وهي عقبة رئيسية لأنها تعني أننا لا نستطيع مجرد بناء ذكاء اصطناعي "مثالي" واحد واستخدامه في كل مكان؛ بل نحتاج إلى طريقة تجعل الذكاء الاصطناعي منيعاً ضد اختلافات الكاميرا هذه.

البيانات الجديدة: مكتبة ممارسة ضخمة

لحل هذه المشكلة، احتاج الباحثون أولاً إلى مواد ممارسة أفضل. فقد قدموا مجموعتي بيانات جديدتين:

1. BreastMammo: وهي مجموعة تضم 894 صورة من 447 مريضة. هذه صور "تشخيصية"، مما يعني أنها التُقطت عندما كانت المريضة تعاني بالفعل من أعراض أو كتلة. لكل مريضة عرضان لثدي واحد (عرض من الأعلى وعرض جانبي). الصور مصنفة بناءً على ما إذا كانت الكتلة حميدة (غير ضارة) أو خبيثة (سرطانية)، وتتضمن أيضاً فئة كثافة الثدي للمريضة.
2. DenseMammo: وهي مجموعة بيانات "فحص" أكبر تضم 2,480 صورة من 620 مريضة. هذه فحوصات روتينية لأشخاص ليس لديهم أعراض. كل مريضة هنا لديها مجموعة كاملة من أربعة عروض (كلا الثديين، بزاوية لكل منهما).

تم تنسيق كلتا المجموعتين بعناية مع تسميات من خبراء لكثافة الثدي (الفئات من A إلى D)، وهي متاحة للعلماء الآخرين لاستخدامها. الهدف هو إنشاء "مضمار اختبار" موحد حيث يمكن للجميع سباق نماذج الذكاء الاصطناعي الخاصة بهم تحت نفس القواعد.

الحل: فلتر "الأنسجة فقط"

أدرك الباحثون أن المحاولات السابقة لإصلاح مشكلة "نمط الكاميرا" كانت ترتكب أخطاءً. حاولت بعض الطرق دمج "الميزات" (features) لصور مختلفة معاً، وهو أمر يشبه خلط ألوان الطلاء لإنشاء درجة لونية جديدة. المشكلة هي أن هذا يمكن أن يؤدي دون قصد إلى طمس التفاصيل الدقيقة والمهمة لملمس الأنسجة. وحاولت طرق أخرى تغيير "التردد" (frequency) للصورة (مثل تغيير طبقة الباص والتربل في أغنية ما)، لكن هذا غالباً ما أفسد الخلفية، مما أضاف ضجيجاً غريباً إلى الأجزاء السوداء الفارغة في الأشعة السينية.

اقترح الفريق نهجاً جديداً: مطابقة المدرج التكراري المخصص للمقدمة فقط (Foreground-Only Histogram Matching).

إليك كيف يعمل ذلك، باستخدام تشبيه بسيط:
تخيل أن لديك صورة بالأبيض والأسود لغابة (أنسجة الثدي) على قطعة ورق. الورقة لها إطار أسود كبير حولها (المساحة الفارغة في الأشعة السينية).

• الطرق القديمة حاولت تعديل سطوع قطعة الورق بأكملها، بما في ذلك الإطار الأسود. وهذا أمر سيء لأن الإطار مجرد مساحة فارغة؛ وتغييره لا يساعدك على رؤية الأشجار بشكل أفضل، بل قد يجعل الأشجار تبدو غريبة.
• الطريقة الجديدة تضع قناعاً فوق الإطار الأسود. وتقول: "تجاهل هذا الجزء. نحن نهتم فقط بالأشجار". ثم تنظر إلى "المدرج التدرجي" (histogram) (وهو مخطط يوضح عدد البكسلات الداكنة، الفاتحة، أو المتوسطة) للأشجار فقط. ثم تقوم بتعديل سطوع الأشجار في الصورة المصدر لتتطابق مع سطوع الأشجار في الصورة المرجعية.

الأمر الجوهيد هو أنهم لا يقومون فقط بتبديل الأنماط؛ بل ينشئون تدرجاً ناعماً. فهم ينتجون صوراً "اصطناعية" جديدة هي مزيج من الأصل والنمط الجديد. يقومون بإنشاء أربع نسخ من كل صورة، بخلط الأنماط بنسب 25%، و50%، و75%، و100%. هذا يعلم الذكاء الاصطناعي أن نفس النسيج يمكن أن يبدو مختلفاً قليلاً اعتماداً على الجهاز، لكنه يظل نفس النسيج.

النتائج: هل نجح الأمر؟

اختبر الباحثون نظامهم الجديد باستخدام نموذج ذكاء اصطناعي قوي يسمى Swin Transformer. وقد أجروا نوعين من الاختبارات:

1. الاختبار الداخلي (جولة الممارسة)
قاموا بتدريب الذكاء الاصطناعي على مجموعات البيانات الجديدة الخاصة بهم (BreastMammo و DenseMammo) وتحققوا من مدى جودة أدائه على نفس البيانات باستخدام التحقق المتقاطع خماسي الطيات (طريقة صارمة لتقسيم البيانات لضمان أن النموذج لا يقوم بمجرد الحفظ).

• النتيجة: حقق نموذج Swin Transformer ذروة AUC بلغت 98.32% على مجموعة بيانات DenseMammo لتصنيف الكثافة. هذه درجة عالية جداً، مما يشير إلى أن النموذج جيد للغاية في المهمة عندما يعرف البيانات جيداً.
• وجدوا أيضاً أن استخدام صور ذات دقة أعلى (512×512 بكسل) لم يساعد كثيراً مقار بالحجم القياسي (224×224)، ويرجع ذلك على الأرجح إلى أن الذكاء الاصطناعي تم تدريبه بالفعل على الأحجام القياسية.

2. الاختبار الخارجي (تحدي العالم الحقيقي)
هذا هو الجزء الأهم. أخذوا الذكاء الاصطناعي المدرب على بياناتهم واختبروه على مجموعتي بيانات مختلفتين تماماً من مستشفيات أخرى: TNMammo و LUMINA. تستخدم هذه المجموعات أجهزة وأنماطاً مختلفة، مما يمثل مشكلة "انزياح النطاق".

• بدون طريقتهم: عانى الذكاء الاصطناعي. في TNMammo، كانت قيمة AUC هي 83.46%. وفي LUMINA، كانت 81.72%.
• باستخدام طريقتهم: تحسن أداء الذكاء الاصطناعي بشكل ملحوظ. في TNMammo، قفزت قيمة AUC إلى 86.38%. وفي LUMINA، ارتفعت إلى 86.13%.
• المقارنة: قارنوا طريقتهم بتقنيات شائعة أخرى مثل MixStyle (التي تدمج الميزات) و DFT (التي تبدل أنماط التردد). وقد تفوقت طريقتهم "المخصصة للمقدمة فقط" باستمرار على هذه الأساليب الأخرى.

لماذا يهم هذا الأمر؟

يشير البحث إلى أنه من خلال التركيز حصرياً على الأنسجة وتجاهل الخلفية الفارغة، يتعلم الذكاء الاصطناعي طريقة "عالمية" لرؤية الثدي تعمل عبر مختلف الأجهزة. ويرى المؤلفون أن محاولة إصلاح الصورة بأكملها (بما في ذلك الخلفية) تسبب ضوضاء وارتباكاً، بينما يحافظ نهجهم المستهدف على الأنسجة الدقيقة اللازمة للتشخيص.

في النهاية، لا يتعلق الأمر بمجرد الحصول على درجة أعلى في اختبار. بل يتعلق ببناء ذكاء اصطناعي يمكن الوثوق به في أي مستشفى، في أي مكان في العالم. إذا استطاع الذكاء الاصطناعي تعلم تجاهل "فلتر الكاميرا" والتركيز على "القط"، فيمكنه مساعدة الأطباء في كل مكان على اكتشاف سرطان الثدي في وقت مبكر وبدقة أكبر، بغض النظر عن المعدات التي يمتلكونها. لقد أتاح الباحثون بياناتهم وأكوادهم للجمهور، آملين أن تصبح حيلة "الأنسجة فقط" هذه أداة قياسية لبناء ذكاء اصطناعي طبي أفضل وأكثر موثوقية.