Frozen Brain-MRI Foundation Models Are Site Fingerprints
تكشف هذه الورقة أن نماذج التأسيس لصور الرنين المغناطيسي للدماغ المجمدة تشفر بطبيعتها معلومات موقع الاستحواذ كبصمة مهيمنة وقابلة للفك خطياً تتفوق غالباً على المتغيرات السريرية، مما يشكل مخاطر جسيمة في العزو ويخلق مقايضة بين إزالة انحياز الموقع والحفاظ على دقة التجزئة التشريحية.
تخيل أنك محقق يحاول حل لغز باستخدام مساعد ذكاء اصطناعي فائق الذكاء. في عالم العلوم الطبية، هذا الذكاء الاصطناعي هو "نموذج تأسيسي" (Foundation Model)—وهو عبارة عن عقل ضخم مُدرب مسبقاً قد قرأ بالفعل ملايين صور الرنين المغناطيسي لرؤوس البشر. يعشق العلماء هذه النماذج لأن امتلاكها يشبه امتلاك طالب طب عبقري رأى كل نوع يمكن تخيله من الأدمغة، وهو مستعد للمساعدة في تشخيص الأمراض أو دراسة التشريح دون الحاجة إلى إعادة تدريبه من الص0. الأمل الكبير هو أنه عندما تطلب من هذا الذكاء الاصطناعي النظر إلى صورة جديدة، فإنه يرى البيولوجيا فقط: شكل الدماغ، حجم البطينات، وصحة الأنسجة. من المفترض أن يكون نافذة نقية على جسم الإنسان، متجاهلاً كل شيء آخر.
لكن هنا تكمن العقبة: الصور الطبية لا تُؤخذ في فراغ. بل تُؤخذ في المستشفيات، باستخدام أجهزة (ماسحات ضوئية) محددة قد تكون من صنع شركات مختلفة، أو مضبوطة على سرعات مختلفة، أو معدة بإعدادات متنوعة. تماماً كما تبدو الصورة الملتقطة بهاتف آيفون مختلفة عن تلك الملتقطة بهاتف سامسونج، حتى لو كانت لنفس الشخص، فإن صور الرنين المغناطيسي تحمل "بصمة" الآلة التي التقطتها. لسنوات، قلق العلماء من أن اختلافات الآلات هذه قد تخدع الذكاء الاصطناعي، وتجعله يعتقد أن دماغاً سليماً من المستشفى (أ) هو دماغ مريض لمجرد أن الصورة تبدو مختلفة قليلاً عن المستشفى (ب). السؤال الكبير كان: هل يتعلم الذكاء الاصطناعي رؤية الدماغ حقاً، أم أنه يحفظ سراً "أسلوب الكاميرا"؟
هذه الورقة البحثية تحقق في ذلك بالضبط. أخذ الباحثون عدة نماذج من هذه النماذج "المجمدة" للذكاء الاصطناعي—بمعنى أنهم أغلقوا عقل الذكاء الاصطناعي بحيث لا يمكنه تعلم أي شيء جديد—واختبروا ما الذي يراه فعلياً. لقد عاملوا الذكاء الاصطناعي كأنه مشتبه به وسألوا: "إذا أريتك صورة لدماغ، هل يمكنك إخباري من أي مستشفى جاءت؟". وكانت الإجابة صادمة. لم يرَ الذكاء الاصطناعي الدماغ فحسب؛ بل رأى المستشفى برؤية واضحة تماماً. في الواقع، استطاع الذكاء الاصطناعي تحديد المستشفى (الموقع) بدقة تصل إلى حوالي 90%، وهو ما كان أفضل بكثير من قدرته على تحديد عمر المريض، أو جنسه، أو حتى ما إذا كان مصاباً بالتوحد.
التحول الأكثر إثارة للدهشة؟ لم يكن هذا لأن الذكاء الاصطناعي قد تم "تدريبه" ليكون جاسوساً. لقد اختبر الباحثون ذلك باستخدام نسخة من الذكاء الاصطناعي لم يتم تدريبها على أي بيانات على الإطلاق—كانت مجرد مجموعة عشوائية من الأرقام. حتى هذا الذكاء الاصطناعي "الغبي" والعشوائي استطاع تحديد المستشفى بدقة تقارب الـ 90% نفسها. وهذا يعني أن "البصمة" ليست شفرة سرية تعلمها الذكاء الاصطناعي؛ بل هي محفورة في الصور الخام نفسها. إن الطريقة التي تلتقط بها الآلات الضوء والنسيج في الدماغ مميزة للغاية، لدرجة أن أي نظام ينظر إلى الصورة، سواء كان ذكياً أو غبياً، يمكنه معرفة مصدرها.
استكشفت الورقة أيضاً ما إذا كان بإمكاننا إصلاح ذلك. حاولوا "تطهير" معلومات المستشفى من عقل الذكاء الاصطناعي باستخدام حيل رياضية. وجدوا أنه بالنسبة للمهام البسيطة، مثل مجرد النظر إلى الدماغ بأكمله وقول "نعم" أو "لا"، كان بإمكانهم إزالة بصمة المستشفى دون الإضرار بالنتائج. ومع ذلك، بالنسبة للمهام التفصيلية مثل رسم خريطة لكل جزء صغير من الدماغ، كان إزالة البصمة كارثياً. اتضح أن "أسلوب المستشفى" و"تشريح الدماغ" كانا متشابكين معاً في عقل الذكاء الاصطناعي. عندما قطعوا جزء المستشفى، قطعوا بالخطأ الهياكل الدقيقة والعميقة للدماغ أيضاً، مثل المهاد والحصين، مما جعل الذكاء الاصطناعي غير قادر على رؤيتها على الإطلاق.
لذا، فإن الاستنتاج الرئيسي هو تحذير للعلماء: لا تفترضوا أن أدوات الذكاء الاصطناعي القوية هذه ترى التشريح فقط. إنها ترى الماسح الضوئي أيضاً. ولأن هذه "البصمة" متجذرة بعمق في الصورة نفسها، فلا يمكنك مجرد تدريب الذكاء الاصطناعي بشكل أفضل لتجاهلها؛ بل يجب أن تكون حذراً جداً في كيفية استخدام إجابات الذكاء الاصطناعي، خاصة عندما تحاول رسم خرائط للتفاصيل الدقيقة والمعقدة للدماغ البشري.
بيان المشكلة يعد تجميع البيانات من مواقع متعددة معيارًا في التصوير العصبي للوصول إلى أحجام العينات اللازمة، ولكنه يُدخل تباينًا منهجيًا غير بيولوجي ناتجًا عن الاختلافات في الشركات المصنعة للأجهزة، وقوة المجال المغناطيسي، وبروتوكولات الاستحواذ. وبينما توجد أدبيات واسعة حول توحيد الميزات المصممة يدويًا (مثل استخدام ComBat)، فإن هناك ممارسة أحدث تتضمن استخدام النماذج التأسيسية (FMs) المجمدة المدربة مسبقًا على مجموعات ضخمة من صور الرنين المغناطيسي/الأشعة المقطعية كأدوات ترميز جاهزة للاستخدام. يفترض الممارسون أن هذه التضمينات (embeddings) تلتقط التشريح، مع إلحاق رؤوس خفيفة الوزن بمهام لاحقة دون تدقيق التمثيل نفسه. يستقصي هذا البحث سؤالًا حاسمًا لم يُطرح من قبل: كم من تضمين النموذج التأسيسي المجمد للدماغ يمثل موقع الاستحواذ مقابل الإشارة السريرية أو التشريحية؟ إذا كانت معلومات الموقع متجذرة بعمق، فإنها ستؤثر بصمت على كل تحليل لاحق يُبنى على هذه التمثيلات المشتركة.
المنهجية أجرى المؤلف تدقيقًا صارمًا لأدوات الترميز ثلاثية الأبعاد المجمدة عبر مجموعتين مستقلتين (ABIDE-I و ABIDE-II) وخمسة مستويات من عمق الشبكة.
البيانات والمعالجة المسبقة: استُخدمت أحجام الرنين المغناط المغناطيسي (T1-weighted) من ABIDE-I (6 مواقع) و ABIDE-II (15 موقعًا). تم إجراء المعالجة المسبقة بشكل مبسط عمدًا (إعادة أخذ العينات إلى 1.7 مم متساوي الخواص، وتغيير مقياس الكثافة) ليعكس كيفية تغذية البيانات للنماذج المجمدة، مع تجنب إزالة الجمجمة (skull-stripping) أو التسجيل المكاني.
أدوات الترميز (Encoders): تم اختبار ثلاثة أدوات ترميز مجمدة من عائلة SwinUNETR:
مدرب مسبقًا على الدماغ: تعلم ذاتي الإشراف على حوالي 41 ألف مسح من مشروع UK Biobank.
مدرب مسبقًا على الأشعة المقطعية (CT): أوزان عامة من نماذج MONAI ذات التعلم الذاتي الإشراف.
تهيئه عشوائية (Random-init): نفس البنية بأوزان عشوائية (بذرة ثابتة).
البنى الضابطة: تم اختبار Plain ViT و 3-D ResNet (بتهيئة عشوائية) أيضًا.
الاستقصاء (Probing): تم استقصاء تضمينات التجميع المتوسط العالمي (GAP) من خمس مراحل هرمية (L0–L4) باستخدام:
المجسات غير الخطية: طبقة واحدة مخفية من شبكات MLP لاختبار الهيكل غير الخطي الخفي.
المقاييس: الدقة المتوازنة المصححة بالصدفة (d) للتصنيف، و R2 للانحدار.
الضوابط والتخفيف:
التحكم في الفوكسل الخام: استقصاء الموقع مباشرة من الصور المعاد أخذ عينات منها (بدون مُرمِّز).
إزالة متغيرات المجتمع: طرح العمر والجنس والتشخيص عبر الانحدار لعزل تأثيرات الاستحواذ.
الإزالة: تم تطبيق الإسقاط في الفضاء الصفري التكراري (INLP) و ComBat لإزالة الفضاء الفرعي للموقع.
التأثير اللاحق: تم إلحاق وحدة فك تشفير مدربة بالمُرمِّز المجمد لإجراء تقسيم كثيف (باستخدام تسميات SynthSeg الفضية) لقياس تكلفة إزالة الموقع على الدقة التشريحية (درجة Dice).
النتائج الرئيسية
الموقع هو الإشارة المهيمنة: عبر جميع المرمِّزات والطبقات، يمكن فك تشفير موقع الاستحواذ بدقة عالية (~0.9 دقة متوازنة)، وهو ما يتجاوز بشكل كبير إمكانية فك تشفير المتغيرات السريرية (الجنس، العمر، تشخيص التوحد). تتراوح نسبة هيمنة الموقع بين 2 إلى 6 أضعاف في ABIDE-I و 1.6 إلى 3 أضعاف في ABIDE-II.
جوهر داخلي، وليس متعلمًا: "بصمة الموقع" ليست نتاج التدريب المسبق.
حققت المرمِّزات ذات التهيئة العشوائية دقة فك تشفير للموقع بلغت ~0.9، وهو ما يطابق أو يتجاوز النماذج المدربة مسبقًا.
الموقع قابل لفك التشفير (~0.95) مباشرة من الصور الخام المعاد أخذ عينات منها (بدون أي مُرمِّز).
التأثير مستمر عبر ثلاث عائلات بنيوية (Swin, ViT, ResNet) وعبر عدة بذور عشوائية.
الاستنتاج: تعكس البصمة إحصائيات الصورة منخفضة المستوى المتأصلة في عملية الاستحواذ، والتي تحافظ عليها أي بنية.
مدفوع بالاستحواذ، وليس بالسكان: إن طرح متغيرات المجتمع المقاسة (العمر، الجنس، التشخيص) يترك إمكانية فك تشفير الموقع دون تغيير جوهري (احتفاظ بنسبة 95–99.8%)، مما يشير إلى أن الإشارة مدفوعة بمعلمات الاستحواذ بدلاً من التركيبة السكانية.
إمكانية الوصول الخطي: لا تتفوق المجسات غير الخطية (MLP) على المجسات الخطية، مما يؤكد أن معلومات الموقع متاحة خطيًا وليست مخفية في هياكل معقدة غير خطية.
ملف العمق: تزدل إمكانية فك تشفير الموقع عمومًا مع زيادة عمق الشبكة، لتصل ذروتها عند عنق الزجاجة (L4)، بينما تصل الإشارات السريرية (مثل العمر) غالبًا إلى ذروتها في منتصف الشبكة ثم تنخفض عند عنق الزجاجة.
تكاليف التخفيف:
القراءات العالمية: إزالة الفضاء الفرعي للموقع عبر INLP أو ComBat يقلل من إمكانية فك تشفير الموقع إلى ما يقرب من الصدفة (0.94 ← 0.07/0.00) مع تأثير ضئيل على مهام التصنيف العالمية.
التقسيم الكثيف: إزالة الفضاء الفرعي للموقع تدميري لمهام التقسيم الكثيف. بينما يكون إزالة عنق الزجاجة محايدًا لدرجة Dice، فإن إزالة الفضاء الفرعي للموقع عبر جميع المقاييس يؤدي إلى انهيار درجات Dice بين المواقع (0.84 ← 0.18). أكدت مجموعة تحكم عشوائية الاتجاه متطابقة أن هذا خاص بالفضاء الفرعي للموقع.
التشابك: يشغل الموقع والتشريح فضاءً خطيًا متشابكًا. إزالة اتجاهات الموقع تدمر بشكل تفضيلي الهياكل تحت القشرية الصغيرة والعميقة (مثل المهاد، والمخطط) بينما تحافظ على الأنسجة المحيطية الأكبر.
الأهمية والادعاءات يجادل البحث بأن الافتراض القائل بأن تضمينات النماذج التأسيسية المجمدة هي ملخصات "تحمل التشريح" هو افتراض خاطئ؛ فهي في الواقع بصمات للمواقع.
التحول السببي: على عكس العمل السابق الذي اقترح أن تأثيرات الموقع هي متغيرات دخيلة يتم تعلمها، يوضح هذا البحث أن التأثير داخلي للبنية التي تعمل على إحصائيات الصورة منخفضة المستوى. لذلك، فإن نظافة التدريب المسبق أو مجموعات البيانات الأكبر لن تزيل ذلك؛ بل يتطلب الأمر أهداف ثبات صريحة أو إزالة لاحقة.
ضرورة التدقيق: يوصي المؤلف بضرورة تدقيق وإبلاغ إمكانية فك تشفير الموقع بنفس روتين جداول البيانات الديموغرافية قبل تجميع التضمينات.
التخفيف المعتمد على السياق: يزعم البحث أنه بينما تكون إزالة الموقع منخفضة التكلفة للقراءات المجمعة/العالمية، إلا أنها ليست مجانية لمهام التقسيم الكثيف بسبب تشابك الميزات التشريحية مع الموقع. يجب على الممارسين مطابقة استراتيجية التخفيف الخاصة بهم مع الرأس اللاحق.
آثار الخصوصية: تسرب التضمينات المجمدة الموزعة عبر المواقع أصل الاستحواذ (~0.9 دقة)، مما يشكل خطرًا في تحديد هوية الموقع في التعلم الاتحادي (Federated Learning)، وإن لم يكن إعادة تحديد هوية الأفراد.
يصدر المؤلف مجموعة أدوات تدقيق مفتوحة لدعم إعادة إنتاج هذه النتائج وتدقيق النماذج التأسيسية المستقبلية للرنين المغناطيسي للدماغ.