MOSAIC: Modality-agnostic Spectral Alignment for Federated Image-level Weakly Supervised Tumor Segmentation under Client-specific Missing Modalities

في عالم الطب الحديث، غالبًا ما تأتي أكثر التشخيصات دقة من خلال الجمع بين أنواع مختلفة من الصور الطبية. فقد ينظر الطبيب إلى صورة أشعة سينية قياسية، وفحص رنين مغناطيسي، وفحص أنسجة متخصص في آن واحد، مما يسمح لنقاط القوة في صورة واحدة بتعويض نقاط الضعف في أخرى. هذه الممارسة، المعروفة باسم "الدمج متعدد الأنماط" (multimodal fusion)، تتيح صورة أوضح لما يحدث داخل الجسم، لا سيما عند اكتشاف حالات معقدة مثل أورام الدماغ. ومع ذلك، يقف عائق كبير في طريق استخدام هذا المزيج القوي على نطاق عالمي: خصوصية المريض. فلا يمكن للمستشفيات ببساطة إرسال فحوصات مرضاها إلى خادم مركزي لدمجها، حيث تحمي قوانين صارمة البيانات الطبية الفردية من مغادرة المؤسسة المحلية. علاوة على ذلك، حتى عندما توافق المستشفيات على التعاون، فإنها نادرًا ما تمتلك نفس المجموعة الدقيقة من الصور لكل مريض؛ فقد يمتلك أحد المستشفيات مجموعة كاملة من الفحصات، بينما قد يمتلك آخر، ربما في بلد مختلف أو بمعدات أقدم، عددًا قلي جنبًا إلى جنب من الفحوصات فقط. هذا التباين يخلق لغزًا حيث تفشل الأدوات المصممة لدمج الصور لأنها تتوقع وجود كل قطعة من قطع اللغز.

لطالًا ما سعى الباحثون لإيجاء طريقة لتدريب الذكاء الاصطناعي للتعلم من هذه المجموعات البيانية المشتتة وغير المكتملة دون نقل البيانات الخام أبدًا من المستشفى الذي جُمعت منه. هذا النهج، المسمى "التعلم الاتحادي" (federated learning)، يسمح للمستشفيات بمشاركة الدروس التي تعلمتها أجهزتها الحاسوبية فقط، وليس المرضى أنفسهم. ومع ذلك، برزت مشكلة جديدة: كيف تعلم حاسوبًا التعرف على ورم عندما لا يرى إلا جزءًا ضئيلًا من أنواع الصور المتاحة، وعندما تكون الملصقات (labels) الوحيدة التي يمتلكها بسيطة مثل "نعم" أو "لا" في تقرير، وليست رسمًا تفصيليًا لشكل الورم؟ التحدي يكمن في بناء نظام يمكنه التعلم من هذه القرائن الشحيحة والخاصة وغير المكتملة دون فقدان الدقة أو المساس بالخصوصية.

قام فريق من الباحثين في المعهد الهندي للعلوم بتطوير إطار عمل جديد يسمى MOSAIC لحل هذه المشكلة تحديدًا. يركز عملهم على تدريب ذكاء اصطناعي لتجزئة، أو تحديد حدود، أورام الدماغ باستخدام ملصقات على مستوى الصورة فقط — وهي مؤشرات بسيطة تشير إلى وجود الورم من عدمه — مع التنقل في مشهد تمتلك فيه المستشفيات المختلفة مجموعات غير مكتملة من فحوصات الرنين المغناطيسي. وجد الباحثون أنه من خلال إنشاء نظام لا يهتم بالهوية المحددة للفحوصات المفقودة، بل يركز بدلاً من ذلك على الأنماط الكامنة في البيانات، يمكنهم تحقيق دقة عالية دون الحاجة إلى التوصيفات (annotations) التفصيلية والمستهلكة للوقت التي تجعل مثل هذا التدريب ممكنًا عادةً.

يكمن جوهر حلهم في كيفية تعامل النظام مع القطع المفقودة. في السيناريو التقليدي، إذا كان يفتقر مستشفى لنوع معين من فحص الرنين المغناطيسي، فقد يحاول الحاسوب تخمين كيف سيبدو هذا الفحص المفقود أو يتجاهله ببساطة، مما يؤدي غالبًا إلى أخطاء. يتخذ نظام MOSAIC نهجًا مختلفًا؛ فهو يستخدم وحدة متخصصة تعمل كمترجم، تقوم بتحويل أي فحوصات متاحة لدى المستشفى إلى لغة مشتركة وعامة. تتم عملية الترجمة هذه محليًا في كل مستشفى، لذا لا تغادر الصور الخام الموقع أبدًا. يحتاج النظام فقط لمعرفة عدد أنواع الفحوصات الموجودة، وليس ماهيتها المحددة، مما يسمح لأي مستشفى يمتلك مزيجًا فريدًا من الفحصات بالانضمام إلى الشبكة دون الحاجة إلى أي إعداد خاص أو إعادة تدريب.

ولضمان أن جميع المستشفيات تتعلم من نفس "الحقيقة" رغم اختلاف بياناتها، قدم الباحثون طريقة لمحاذاة البيانات باستخدام الأنماط الترددية. تخيل أن لكل صورة طبية بصمة موسيقية فريدة مكونة من نغمات وإيقاعات مختلفة. وبينما قد تتغير النوتات المحددة اعتمادًا على الفحوصات المتاحة، فإن الإيقاع والهيكل العام للموسيقى يظلان ثابتين. يستمع نظام MOSAIC إلى هذه الأنماط الإيقاعية، أو البصمات الطيفية، بدلاً من التفاصيل البصرية الخام. ومن خلال مقارنة هذه الأنماط الترددية الموجزة وغير القابلة للعكس عبر جميع المستشفيات، يمكن للنظام محاذاة فهمهم لما يبدو عليه الورم دون الكشف عن صور المرضى الفعلية أبدًا. هذه الطريقة، التي يسميها المؤلفون "محاذاة النموذج الأولي الطيفي" (spectral prototype alignment)، تجسر الفجوة بفعالية بين المستشفيات التي تمتلك مجموعات مختلفة من الأدوات، مما يضمن أن الذكاء الجماعي ينمو ويقوى حتى عندما تكون بعض القطع مفقودة.

تنقسم عملية التدريب إلى مرحلتين متميزتين للتعامل مع الضجيج المتأصل في التعلم من ملصقات بسيطة مثل "نعم" أو "لا". في المرحلة الأولى، يولد النظام تخمينات تقريبية، أو "ملصقات زائفة" (pseudo-labels)، حول مكان وجود الورم بناءً على الفحوصات المتاحة. ولأن البيانات غير مكتملة، فإن هذه التخمينات الأولية قد تكون فوضوية أو غير دقيقة. أما المرحلة الثانية فتعمل كشبكة صقل مخصصة، وهي طبقة ثانية من الذكاء تأخذ هذه التخمينات التقريبية وتقوم بتنقيحها. وهي تستخدم مزيجًا من التقنيات، بما في ذلك نموذج "معلم" يوفر توجيهًا مستقرًا ونظام تصويت يزن القرائن المختلفة لتقرير الشكل النهائي للورم. تسمح هذه العملية المكونة من خطوتين للنظام باختراق حدود الدقة المعتادة للإشراف الضعيف، وتحويل الإشارات الخشنة والمشوشة إلى حدود دقيقة ومفصلة للورم.

اختبر الباحثون إطار عملهم على ثلاث مجموعات بيانات مختلفة تتضمن أورام الدماغ من مؤسسات متعددة، بما في ذلك تحدي FeTS2022، ومجموعة BraTS-MEN الخاصة بالأورام السحائية، ومجموعة BraTS-SSA من أفريقيا جنوب الصحراء الكبرى. تضمنت هذه الاختبارات سيناريوهات متنوعة حيث امتلكت المستشفيات تركيبات مختلفة من فحوصات الرنين المغناطيسي، بدءًا من المجموعات الكاملة وصولاً إلى الفحوصات الفردية. كانت النتائج مذهلة؛ فباستخدام ملصقات على مستوى الصورة فقط والتعامل مع الفحصات المفقودة، حقق نظام MOSIC درجة "دايس" (Dice score) بلغت 0.84 في مجموعة بيانات FeTS2022، وهو مقياس يقيس مدى تطابق حدود الورم المتوقعة مع الورم الفعلي. وقد تجاوز هذا الأداء جميع الطرق الأخرى التي اعتمدت على إشراف أكثر تفصيلًا، مثل صناديق الإحاطة (bounding boxes) أو توصيف النقاط، بل وتفوق حتى على النموذج المركزي الذي أتيحت له جميع البيانات مجتمعة. في الواقع، كان أداء النظام جيدًا لدرجة أنه اقترب من دقة الطرق الخاضعة للإشراف الكامل، والتي تتطلب من الخبراء رسم حدود كل ورم يدويًا، على الرغم من استخدامه لأبسط أشكال الملصقات.

كانت إحدى أهم النتائج هي قدرة النظام على التكيف مع المستشفيات الجديدة غير المرئية سابقًا. ولأن وحدة الترجمة تعتمد فقط على عدد الفحوصات المتاحة وليس نوعها المحدد، يمكن لمستشفى جديد الانضمام إلى الشبكة والمساهمة فورًا. أظهر الباحثون أنه يمكن لمؤسسة جديدة الانضمام إلى شبكة مدربة بالفعل وتحقيق أداء ضمن هامش ضئيل جدًا من الأعضاء الحاليين دون الحاجة إلى إعادة تدريب النظام بأك-مله من الصفر. هذه القدرة حاسمة للنشر في العالم الحقيقي، حيث تختلف البروتوكولات الطبية وتوافر المعدات على نطاق واسع وتتغير بمرور الوقت. كما أظهر النظام قدرة رائعة على قياس مدى عدم اليقين الخاص به، حيث حدد بشكل صحيح متى كان أقل ثقة في حدود الورم بسبب البيانات المفقودة، وهي ميزة أساسية لبناء الثقة في البيئات السريرية.

استكشفت الدراسة أيضًا ما يحدث عند استخدام استراتيجيات محاذاة مختلفة. قارن الباحثون نهجهم القائم على التردد مقابل طرق أخرى حاولت المحاذاة عن طريق مطابقة المتوسطات البسيطة أو الانحرافات المعيارية للصور. ووجدوا أن هذه الطرق الأبسط فشلت في التقاط التواقيع المعقدة القائمة على النسيج (texture) التي تميز أنواع الفحوصات الطبية المختلفة. فقط النهج القائم على التردد، الذي نظر إلى الأنماط الإيقاعية الأساسية للبيانات، كان قادرًا على محاذاة مجموعات البيانات المتنوعة بنجاح. يشير هذا إلى أنه بالنسبة للمهام التي تنطوي على بيانات غير مكتملة وغير متجانسة، فإن النظر إلى "موسيقى" البيانات بدلاً من مجرد "حجمها" هو استراتيجية أكثر فعالية بكثير.

تمتد آثار هذا العمل إلى ما وراء أورام الدماغ فحسب. إن القدرة على تدريب نماذج ذكاء اصطناعي طبية قوية دون نقل بيانات المرضى، مع مراعاة واقع أن المستشفيات المختلفة تمتلك أدوات ومستويات تفصيل متفاوتة، تعالج عقبة أساسية في الرعاية الصحية العالمية. ومن خلال إثبات أن الدقة العالية ممكنة باستخدام ملصقات بسيطة وبيانات غير مكتملة، فتح الباحثون مسارًا لمزيد من المستشفيات للمشاركة في أبحاث الذكاء الاصطناعي التعاونية. لا يتطلب النظام توصيفات يدوية مكلفة ومستهلكة للوقت، ولا يتطلب أن تمتلك كل المستشفيات نفس المعدات الباهظة. بدلاً من ذلك، فإنه ينشئ شبكة مرنة تحافظ على الخصوصية، حيث يمكن تركيب المعرفة الجماعية لمصادر عديدة غير كاملة في نموذج دقيق وموثوق للغاية.

في النهاية، يثبت إطار عمل MOSIC أن قيود الخصوصية والبيانات غير المكتملة لا يجب أن تكون عوائق أمام التقدم. ومن خلال تصميم نظام يحترم قيود العالم الحقيقي — حيث تكون البيانات معزولة، والملصقات شحيحة، والمعدات متفاوتة — أظهر الباحثون أنه من الممكن بناء ذكاء تعاوني ليس آمنًا فحسب، بل ومتفوقًا أيضًا على النهج المركزية التقليدية. تشير هذه الأعمال إلى أن مستقبل الذكاء الاصطناعي الطبي لا يكمي في جمع كل البيانات في مكان واحد، بل في إنشاء أنظمة ذكية وقابلة للتكيف يمكنها التعلم من الواقع المتنوع والمجزأ للرعاية الصحية العالمية.