PathoArgus: Advancing Evidence-Grounded Long-Context Visual Reasoning across Gigapixel Whole-Slide and Multi-Slide Case Contexts

في عالم مختبرات علم الأمراض الهادئ والمعقم، غالبًا ما يبدأ التشخيص بصورة واحدة ضخمة. هذه هي "الصورة الكاملة للشريحة"، وهي صورة رقمية لعينة من الأنسجة كبيرة ومفصلة للغاية لدرجة أنها تحتوي على مليارات البكسلات الصغيرة، وهو عدد يفوق بكثير ما يمكن للعين البشرية مسحه في نظرة واحدة. ولتفسير هذا، يجب على أخصائي علم الأمراض أن يعمل كالمحقق، باحثًا عبر مساحات شاسعة من الخلايا للعثين على الأدلة الصغيرة المحددة التي تؤكد وجود المرض. لسنوات، كان العلماء يعلمون الحواسيب القيام بهذا العمل نفسه، آملين في بناء ذكاء اصطناعي يمكنه قراءة هذه الصور ذات الجيجابكسل والإجابة على أسئلة تتعلق بصحة المريض. كان الهدف دائمًا هو إنشاء نظام لا يكتفي بتخمين الإجابة الصحيحة فحسب، بل يجد الدليل الفعلي في النسيج لإثباتها. ومع ذلك، ظل هناك سؤال جوهري بلا إجابة: عندما يحصل الكمبيوتر على الإجابة الصحيحة، هل يكون ذلك لأنه رأى المرض حقًا في الشريحة، أم أنه مجرد تخمين بناءً على الطريقة التي طُرح بها السؤال؟

تتناول دراسة جديدة من باحثين في جامعة هونغ كونغ للعلوم والتكنولوجيا هذه المشكلة مباشرة من خلال تقديم طريقة جديدة وصارمة لاختبار هذه الأنظمة الحاسوبية. لقد بنوا ساحة اختبار ضخمة تسمى "PathoArgus-Bench"، والتي تحتوي على أكثر من 22,000 سؤال مستمد من حالات مرضية حقيقية عبر 15 نوعًا مختلفًا من السرطان. وخلافًا للاختبارات السابقة التي كانت تتحقق فقط مما إذا كانت الإجابة النهائية صحيحة، فإن هذا المعيار الجديد يجبر الكمبيوتر على إثبات أنه نظر إلى المكان الصحيح. وضع الباحثون قاعدة صارمة: يُسمح للكمبيوتر فقط بالنظر إلى جزء ضئيل من الصورة الضخمة، محاكيًا بذلك الحد الواقعي لكمية البيانات التي يمكن للنظام معالجتها في وقت واحد. ثم طلبوا من الحواسيب الإجابة على أسئلة بناءً على هذه الرؤية المحدودة. ولرؤية ما إذا كانت الحواسيب تفكر حقًا، قام الباحثون أيضًا بإنشاء مجموعة خاصة من الاختبارات حيث قاموا بتبديل عينات الأنسجة. فإذا كان الكمبيوتر ينظر حقًا إلى الدليل، فإن تغيير النسيج يجب أن يغير إجابته. أما إذا كان يخمن فقط، فمن المرجح أن يعطي نفس الإجابة بغض النظر عما يوجد فعليًا في الصورة.

كشفت نتائج هذه التجربة عن فجوة مذهلة بين ما تبدو الحواسيب معرفة به وما تفهمه حقًا. فعندما اختبر الباحثون 20 نظامًا من أنظمة الذكاء الاصطناعي المختلفة، بما في ذلك أكثر النماذج تقدمًا المتاحة، وجدوا أنه بينما استطاعت بعض الأنظمة الحصول على الإجابة الصحيحة أكثر من نصف الوقت، إلا أنها فشلت تمامًا في اتباع الدليل. أحد الأنظمة الأعلى أداءً، وهو نموذج قوي يُعرف باسم "GPT-5.6"، حقق نسبة نجاح بلغت 57 بالمائة في الأسئلة. ومع ذلك، عندما تحقق الباحثون مما إذا كان النظام سيغير رأيه عند تغيير دليل النسيج، فقد نجح في القيام بذلك بنسبة 4 بالمائة فقط تقريبًا. بعبارة أخرى، كان النظام غالبًا ما يحصل على الإجابة الصحيحة لأسباب خاطئة، معتمدًا على الأنماط الموجودة في نص السؤال بدلاً من الواقع البصري للنسيج. وحتى عندما بنى الباحثون أداة جديدة مصممة خصيصًا لمساعدة الكمبيوتر على إيجاد الأجزاء الأكثر صلة من الصورة، ظل النظام يعاني من أجل الربط باستمرار بين إجابته والدليل المحدد الذي وجده.

يشير هذا الاكتشاف إلى أن الجيل الحالي من الذكاء الاصطناعي الطبي ليس جاهزًا بعد ليتم الوثوق به في المهمة المعقدة لتشخيص المرض من الصور الكاملة للشرائح. وتظهر الدراسة أن مجرد منح الكمبيوتر إمكانية الوصول إلى صورة كبيرة ليس كافيًا؛ بل يجب أن يكون النظام قادرًا أيضًا على التنقل داخل تلك الصورة، وإيجاد الأدلة المحددة، وترك تلك الأدلة تملي استنتاجه. وجد الباحثون أنه بينما يعد الحصول على سياق مفيد للشريحة الكاملة أمرًا ضروريًا، إلا أنه بعيد كل البعد عن كونه كافيًا، وأن الأنظمة الحالية تظهر فجوة صارخة في الاستنتاج القائم على الأدلة. وهذا يشير إلى أن القدرة على إيجاد الدليل والقدرة على الاستنتاج بناءً على ذلك الدليل هما مهارتان منفصلتان، ولم تتقن الأنظمة الحالية المهارة الثانية بعد. ويعمل هذا العمل كتحذير واضح من أن قياس النجاح من خلال الإجابة النهائية وحدها هو أمر مضلل. فمن أجل التقدم في هذا المجال حقًا، يجب أن يتحول التركيز من مجرد الحصول على الدرجة الصحيحة إلى ضمان أن استنتاج الكمبيوتر يستند إلى الحقائق البصرية الفعلية لأنسجة المريض.

تخلص الدراسة إلى أنه بينما أحرزنا تقدمًا في تعليم الحواسيب كيف "ترى"، فإننا لم نعلمها بعد كيف "تفكر" بما تراه. إن المعيار الجديد والأدوات التي تم تطويرها في هذا البحث توفر خارطة طريق للجيل القادم من الذكاء الاصطناዊ الطبي، وهو جيل يتطلب إثباتًا للدليل بدلاً من مجرد التخمين الصحيح. ومن خلال كشف حدود الأنظمة الحالية، يأمل الباحثون في توجيه التطوير المستقبلي نحو نماذج يمكنها حقًا فهم اللغة البصرية المعقدة للمرض، مما يضمن أنه عندما يشخص الكمبيوتر حالة ما، يكون ذلك لأنه رأى الحقيقة، وليس لأنه تعلم خدعة.