CoM$^3$eT: A foundation model for medical image analysis through federated, multidimensional context integration

يمثل جسم الإنسان مشهداً شاسعاً من البيانات المرئية، بدءاً من الظلال المسطحة ثنائية الأبعاد للأشعة السينية، وصولاً إلى الأحجام المعقدة ثلاثية الأبعاد لصور الأشعة المقطعية، والتفاصيل المجهرية الهائلة لشرائح الأنسجة. لعقود من الزمن، تعلم الذكاء الاصطناعي كيفية التنقل في هذه المشاهد، لكنه فعل ذلك في جيوب معزولة. فالنظام المدرب على رصد الأورام في أشعة الصدر السينية غالباً ما يعجز عن فهم شريحة مجهرية، والنموذج المصمم لعد الخلايا في عينة نسيجية يجد صعوبة في تفسير مسح لعضو ثلاثي الأبعاد. هذا التجزؤ يجبر الأطباء والباحثين على الاعتماد على أداة متخصصة مختلفة لكل نوع من أنواع الصور، وهو قيد يصبح حرجاً عندما تكون البيانات شحيحة أو عندما تتطلب حالة المريض النظر في أنواع متعددة من الفحوصات في آن واحد. إن الهدف من الذكاء الاصطناዊ الطبي الحديث هو بناء عقل واحد متعدد الاستخدامات يمكنه رؤية الصورة الكاملة، بغض النظر عن التنسيق، ولكن بناء مثل هذا النظام قد تعثر بسبب صعوبة دمج هذه العوالم المرئية المتنوعة دون فقدان الدقة.

لقد قام فريق من الباحثين الآن ببناء نظام موحد يسمى CoM³eT، وهو نموذج تأسيسي مصمم لفهم الصور الطبية عبر جميع الأبعاد والمهام. وخلافاً للنماذج السابقة التي كانت مقيدة بتخصص واحد، مثل الأشعة أو علم الأمراض، أو محدودة بأنواع معينة من الإجابات مثل التصنيف البسيط أو التجزئة التفصيلية، فإن هذا النموذج الجديد يوحدها جميعاً. فهو يعامل حجم قلب ثلاثي الأبعاد، وأشعة سينية مسطحة، وشريحة مجهرية رقمية ضخمة كاختلافات في نفس اللغة المرئية الأساسية. ومن خلال التدريب على مجموعة هائلة تضم أكثر من 100,000 مريض تشمل كل شيء من صور الخلية الواحدة إلى مسحات الجسم الكامل، تعلم النموذج التعرف على الأنماط التي تستمر عبر مختلف المقاييس والوسائط. والنتيجة هي بنية واحدة يمكنها أداء مهام متنوعة مثل تشخيص الالتهاب الرئوي في أشعة الصدر، وعد الخلايا المنقسمة في شريحة سرطان الثدي، وتجزئة الأوعية الدموية في مسح مقطعي ثلاثي الأبعاد، وكل ذلك بمستوى من الدقة يضاهي أو يتجاوز أفضل الأدوات المتخصصة المتاحة حالياً.

تكمن قوة هذا النظام في كيفية معالجته للمعلومات. فبدلاً من معاملة المسح ثلاثي الأبعاد كمجموعة من الشرائح ثنائية الأبعاد المنفصلة، ينظر النموذج إلى الحجم بأكمله ككيان متماسك، مما يسمح له بفهم السياق الذي يمتد عبر طبقات مختلفة من الصورة. وهو يستخدم آلية تسمح له بالتركيز على الأجزاء الأكثر صلة من الصورة مع تتبع موقع تلك الأجزاء في الفضاء. وقد أثبت هذا النهج فعاليته لدرجة أن CoM³eT احتل المركز الأول إجمالاً في مسابقة مستقلة حديثة صُممت لاختبار نماذج التأسيس الطبية، متفوقاً على النماذج الرائدة الأخرى في كل من الأشعة وعلم الأمراض. لقد كان النموذج الوحيد القادر على التعامل مع كل مهمة مقدمة، من إنشاء تقارير نصية عن الصور إلى تحديد هياكل محددة في بيانات ثلاثية الأبعاد معقدة. وفي اختبار محدد يتعلق بتجزئة أورام الثدي في فحوصات الرنين المغناطيسي، حقق النموذج درجة أعلى بكثير من المنافسين المتخصصين، مما يثبت أن نهجاً واحداً موحداً يمكن أن يتفوق على مجموعة من الأدوات الضيقة والمتخصصة.

لعل الاختراق الأكثر عملية لهذا العمل ليس ذكاءه فحسب، بل كفاءته أيضاً. فتدريب نموذج ضخم كهذا يتطلب عادةً قدرات حوسبة هائلة، غالباً ما تقتصر على عدد قليل من المؤسسات النخبوية التي تمتلك القدرة على الوصول إلى الحواسيب الفائقة. ومع ذلك، اكتشف الباحثون أنه يمكنهم تكييف هذا النظام القوي مع مهام طبية جديدة عن طريق تحديث جزء ضئيل فقط من إعداداته الداخلية — أقل من 2.5 بالمائة من إجمالي المعلمات. هذه التقنية، المعروفة باسم "الضبط الدقيق الجزئي"، تسمح للنموذج بتعلم مهارات جديدة دون الحاجة إلى إعادة تدريب دماغه بالكامل. وتفتح هذه الكفاءة الباب أمام طريقة جديدة للتعاون بين المستشفيات؛ حيث أظهر الفريق أنه يمكنهم تدريب النموذج عبر عدة مستشفيات جامعية ألمانية دون نقل بيانات المرضى الحساسة أبداً من مخزنها المحلي. ومن خلال إبقاء جوهر النموذج "مجمداً" وتبادل القطع الصغيرة المحدثة من النظام عبر الإنترنت فقط، حققوا مستويات أداء تضاهي التدريب على مجمع واحد ضخم من البيانات المدمجة. وهذا يثبت أن الذكاء الاصطنافي الطبي رفيع المستوى يمكن تطويره ومشاركته بأمان، حتى باستخدام أجهزة كمبيوتر عادية واتصالات إنترنت عادية، مما يجعل أدوات التشخيص المتقدمة متاحة لمجموعة أوسع من المراكز الطبية.

إن قدرة النموذج على التعامل مع أنواع متنوعة من البيانات تعالج أيضاً تحدياً طويل الأمد في التصوير الطبي: الحاجة إلى تحليل حالة المريض من زوايا متعددة. في الماضي، كان على الطبيب أن يعتمد على اختصاصي الأشعة لقراءة الأشعة المقطعية وعلى اختصاصي علم الأمراض لقراءة شريحة الأنسجة، دون وجود نظام واحد قادر على دمج كلا المنظورين. يسد CoM³eT هذه الفجوة من خلال تعلم دمج المعلومات من مصادر مختلفة. فعلى سبيل المثال، في المهام التي تتطلب التنبؤ بتكرار الإصابة بالسرطان، نجح النموذج في دمج السياق المكاني لشريحة نسيج كاملة مع التفاصيل المحددة لقطع الخلايا الفردية. سمحت هذه الرؤية الشمولية له بإجراء تنبؤات أكثر دقة من النماذج التي نظرت إلى البيانات بمعزل عن بعضها البعض. ووجد الباحثون أنه عندما سُمح للنموذج بالنظر في العلاقات بين الأجزاء المختلفة من الصورة، تحسن أداؤه بشكل ملحوظ، مما يشير إلى أن سياق الصورة لا يقل أهمية عن الصورة نفسها.

وعلى الرغم من نجاحه، يحرص الباحثون على الإشارة إلى أن النظام ليس حلاً سحرياً يعمل بشكل مثالي في كل السيناريوهات. ففي بعض المهام المحددة، مثل تحديد الأوعية الدموية الصغيرة جداً في الأشعة المقطعية، لا يزال النموذج يواجه تحديات، خاصة عندما يكون من الصعب تمييز الهياكل عن محيطها. ويقر الفريق بأنه بينما تعد قدرة النموذج على دمج السياق العالمي ميزة كبرى، إلا أنه لا تزال هناك مجالات قد تحتفظ فيها الطرق التقليدية المتخصصة بالأفضلية. ومع ذلك، فإن حقيقة أن نظاماً واحداً مرناً يمكنه منافسة هذه الأساليب المتخصصة وتجاوزها غالباً، تشير إلى تحول في كيفية تطوير الذكاء الاصطنافي الطبي. فبدلاً من بناء أداة جديدة ضيقة لكل مرض أو تقنية تصوير جديدة، قد يكمن المستقبل في هذه الأسس الواسعة والقابلة للتكيف والتي يمكن ضبطها بسرعة لتلبية احتياجات محددة.

تمتد آثار هذا العمل إلى ما وراء المختبر. فمن خلال إثبات أن نموذجاً واحداً يمكنه التعلم من مجموعة واسعة من البيانات الطبية والتكيف بكفاءة مع مهام جديدة، قدم الباحثون مخططاً للجيل القادم من الذكاء الاصطنافي الطبي. يقلل هذا النهج من حواجز الدخول لتطوير أدوات تشخيصية جديدة، إذ لم يعد الأمر يتطلب مجموعات بيانات ضخمة أو موارد حوسبة فائقة لكل تطبيق جديد. كما أن القدرة على تدريب هذه النماذج عبر مؤسسات متعددة دون مشاركة بيانات المرض์ الخام تعالج مخاوف الخصوصية الحرجة، مما يوفر مساراً للبحث التعاوني الذي يحترم سرية المريض. ومع تقدم المجال، من المرجح أن ينتقل التركيز من إنشاء نماذج معزولة ومتخصصة إلى بناء هذه الأنظمة التأسيسية متعددة الاستخدامات التي يمكن أن تنمو وتتكيف جنباً إلى جنب مع فهمنا لصحة الإنسان. إن نجاح CoM³eT يشير إلى أن مستقبل تحليل التصوير الطبي لن يتحدد بعدد الأدوات التي يمتلكها الطبيب، بل بعمق واتساع نظام واحد ذكي يمكنه رؤية المشهد الكامل للبيانات الطبية.