MIRROR: Multimodal Intelligent Radiology Reasoning and Observation Reporter
يقترح النموذج الأولي MIRROR نظاماً لتقارير الأشعة متعدد الوسائط يربط بين مصنف ومحدد مواقع ومولد نصوص لضمان نتائج قابلة للتدقيق ومستندة إلى احتمالات النموذج، مع تسليط الضوء على أنه على الرغم من تحقيق تمييز أفضل من الصدفة في مجموعة بيانات ChestMNIST، إلا أن الفائدة العملية للنموذج محدودة للغاية بسبب عدم توازن الفئات مما يجعله يفشل في تقديم تنبؤات إيجابية لمعظم الحالات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم التصوير الطبي، لم يعد وجود برنامج حاسوبي ينظر إلى صورة لصدر بشري ويكتشف مرضاً مجرد خيال؛ بل هو واقع قد وصل بالفعل. هذه البرامج، المبنية على التعلم العميق، يمكنها فحص آلاف الصور الشعاعية وتحديد أنماط المرض التي غالباً ما تضاهي مهارة المتخصص البشري. ومع ذلك، لكي يثق الطبيب في مثل هذه الآلة، يجب على الحاسوب أن يفعل أكثر من مجرد الهمس برقم؛ إذ يتعين عليه أن يشرح نفسه. يجب أن يشير إلى البقعة في الصورة حيث يرى المشكلة، ويصف لماذا يعتقد أن تلك البقعة مريضة. وتنشأ الخطورة عندما يحاول الحاسوب كتابة تقرير للطبيب؛ فإذا سُمح للحاسوب بالنظر إلى الصورة أثناء الكتابة، فقد يخترع تفاصيل تبدو مهنية تماماً ولكنها لم تُشاهد فعلياً بواسطة الجزء من النظام الذي يقوم بالتشخيص. وهذا يخلق فجوة صامتة بين ما تعرفه الآلة وما تقول إنها تعرفه، وهي فجوة قد تؤدي بالطبيب إلى ارتكاب خطأ خطير.
قام فريق بحثي ببناء نظام أولي يسمى "MIRROR" لحل هذه المشكلة المحددة المتعلقة بالثقة. تم تصميم النظام بقاعدة صارمة: الجزء من البرمجيات الذي يكتب التقرير لا يُسمح له أبداً برؤية صورة الأشعة السينية. بدلاً من ذلك، يتم تحليل الصورة أولاً بواسطة مصنف يسرد ببساطة الأمراض الموجودة ومدى احتمالية وجودها. ثم تقوم أداة ثانية بتحديد المنطقة العامة في الصورة حيث تظهر تلك الأمراض. وفقط هذه القائمة من النتائج والمواقع هي التي تُمرر إلى محرك الكتابة. ولأن الكاتب لا يمكنه رؤية الصورة، فمن المستحيل مادياً أن يخترع مرضاً جديداً أو يصف تفصيلاً لم يتلقه. اختبر الباحثون هذا النظام على صور أشعة سينية للصدر ووجدوا أنه بينما كان الحاسوب جيداً جداً في ترتيب الأمراض الأكثر احتمالاً، إلا أنه عانى في اتخاذ قرار نهائي بشأن معظمها. والأهم من ذلك، اكتشفوا أنه حتى عندما كتب الحاسوب تقريراً بليغاً ومهنياً، فإنه غالباً ما تضمن قياسات طبية محددة لم يقم النظام بحسابها فعلياً.
قام الفريق ببناء هذا المسار في ثلاث خطوات متميزة لضمان بقاء التقرير النهائي صادقاً. أولاً، يقوم شبكة عصبية، وهي نوع من البرامج الحاسوبية المستوحاة من الدماغ البشري، بمسح الأشعة السينية وتعيين درجة احتمالية لأربعة عشر نوعاً مختلفاً من حالات الصدر. ثانياً، تنظر أداة تحديد المواقع إلى نفس الصورة وترسم خريطة تقريبية توضح أين يعتقد الحاسوب أن المرض موجود، وترجم ذلك الموقع إلى اسم بسيط مثل "الرئة العلوية اليسرى". ثالثاً، يأخذ نموذج لغوي فقط قائمة الأمراض، ودرجاتها، ومواقعها المسماة لكتابة التقرير الطبي النهائي. الخيار التصميمي الحاسم هنا هو أن النموذج اللغوي لا يرى الأشعة السينية نفسها أبداً. الأمر يشبه سكرتيراً يُسلم إليه قائمة حقائق مطبوعة ويُطلب منه كتابة قصة، لكنه ممنوع من النظر إلى الوثائق الأصلية. هذا يضمن أن قائمة الأمراض في التقرير تطابق تماماً قائمة الأمراض التي وجدها الحاسوب، مما يمنع النظام من "هلوسة" حالة لم يتم اكتشافها.
عندما اختبر الباحثون هذا النظام على مجموعة كبيرة من الأشعة السينية للصدر، كشفت النتائج عن صورة معقدة لما يمكن للآلة فعله وما لا يمكنها فعله. كان الحاسوب بارعاً بشكل مفاجئ في فهم بنية الصور؛ حيث استطاع التمييز بين الصدر السليم والمريض، ورتب احتمالية الأمراض بطريقة كانت أفضل بكثير من التخمين العشوائي. وبالنسبة لبعض الحالات، مثل السوائل في الرئتين أو تضخم القلب، كان النظام دقيقاً للغاية. ومع ذلك، عندما طُلب منه اتخاذ قرار نهائي بشأن وجود مرض أو غيابه، ظل النظام صامتاً بشأن أحد عشر حالة من أصل أربعة عشر حالة تدرب على إيجادها. ببساطة، لم يكن يشعر بالثقة الكافية لقول "نعم" أو "لا" لمعظمها. لم يكن هذا الصمت خياراً تصميمياً، بل كان نتيجة لبيانات التدريب ودقة الصور المنخفضة المستخدمة في الاختبار. لقد تعلم النظام التعرف على الأنماط، لكنه لم يتعلم اتخاذ القرارات الصعبة المطلوبة للتشخيص السريري.
ربما جاء الاكتشاف الأكثر كشفاً من خلال النظر في التقارير التي أنتجها النظام. نظرًا لأن الجزء الكاتب من النظام كان بليغاً للغاية، فقد أنتج نصاً يبدو تماماً مثل تقرير كتبه طبيب بشري. ومع ذلك، وجد الباحثون أن هذه البلاغة جاءت بتكلفة خفية. في أحد الأمثلة، ذكر التقرير أن حجم القلب طبيعي وأن الزوايا في أسفل الرئتين واضحة. لم يقم النظام بقياس حجم القلب، ولم يتحقق من تلك الزوايا. لقد ملأ تلك الجمل ببساطة لأنها عبارات شائعة في التقارير الطبية. كان النظام صحيحاً بشأن الأمراض التي اكتشفها، لكنه كان يخترع التفاصيل المحيطة بها. أظهر هذا حداً حرجاً: كان بإمكان النظام ضمان أن قائمة الأمراض حقيقية وقابلة للتدقيق، لكنه لم يستطع ضمان أن الجمل التي تصفها حقيقية. كان التقرير مستنداً إلى الأدلة الخاصة بالأمراض التي وجدها، ولكنه غير مستند إلى التفاصيل التي اخترعها لإكمال القصة.
كما أظهر الباحثون أن هذه البنية يمكن تكييفها لأنواع أخرى من الفحوصات الطبية، مثل رنين الدماغ أو الأشعة المقطعية للرأس، وذلك ببساطة عن طريق تغيير قائمة الأسماء والمصطلحات بدلاً من إعادة كتابة الكود البرمجي بالكامل. وهذا يشير إلى أن منهجية فصل الكشف عن الكتابة هي أداة مرنة يمكن أن تعمل عبر مجالات طبية مختلفة. ومع ذلك، كان الفريق حريصاً على توضيح أن هذا نموذج بحثي أولي، وليس جهازاً طبياً جاهزاً للمستشفيات. لم يتم اختبار النظام على مرضى حقيقيين، ولم يقس الباحثون بعد ما إذا كان وجود هذه التقارير يساعد الأطباء فعلياً في اتخاذ قرارات أفضل. يعمل العمل كإثبات للمفهوم، موضحاً أنه من الممكن بناء نظام تكون فيه الحقائق محصورة ومحددة، حتى لو لم تكن النثر المحيط بها كذلك.
في النهاية، تكمن قيمة هذا العمل في وضوح حدوده. يثبت النظام أنه يمكنك بناء آلة لا يمكنها الكذب بشأن ما وجدته، لأن الجزء الذي يكتب التقرير مقطوع عن الصورة. لكنه يثبت أيضاً أن الآلة يمكنها أن تبدو واثقة بشأن أشياء لا تعرفها. ويخلص الباحثون إلى أنه بالنسبة للقرارات عالية المخاطر في الطب، نحتاج إلى أن نكون حذرين للغاية بشأن ما نثق به. يمكننا الثقة في قائمة النتائج إذا بُني النظام بهذه الطريقة، لكن لا يمكننا الثقة في النص المحيط بها ما لم يتم فحصه من قبل بشر. النظام لا يستبدل الطبيب؛ بل يقدم طريقة جديدة لرؤية أين تكون الآلة متأكدة وأين تكون مجرد تخمين، محولاً "الصندوق الأسود" إلى عملية شفافة يمكن للإنسان تدقيقها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.