في عالم الطب الحديث، لا يعد تقرير أخصائي الأشعة مجرد وصف لصورة أشعة سينية أو تصوير مقطعي؛ بل هو سرد مهيكل يربط بين دلالات بصرية محددة وحالات طبية متميزة. فعندما ينظر الطبيب إلى صورة للصدر، فإنه لا يرى مفهوماً واحداً ضبابياً لـ "المرض"، بل يحدد سلسلة من النتائج الدقيقة: ربما وجود سوائل في الرئتين، أو تضخم في القلب، أو جزء منسحق من الأنسجة. كل ملاحظة من هذه الملاحظات تقابل جزءاً محدداً من الصورة وتتطلب وصفاً دقيقاً في التقرير النهائي. لسنوات طويلة، عانت الحواسيب في توليد هذه التقارير تلقائياً؛ فرغم أن الذكاء الاصطناعي أصبح بارعاً جداً في كتابة جمل فصيحة، إلا أنه غالباً ما يفشل في ربط الكلمات الصحيحة بالأدلة البصرية المناسبة. قد يكتب الكمبيوتر تقريراً سليماً لغوياً ولكنه يغفل عن تفصيل حرج أو يخلط بين حالتين مختلفتين، لأنه تدرب على النظر إلى الصورة والتقرير ككتلة واحدة غير متمايزة، بدلاً من كونهما مجموعة من الحقائق المحددة والمترابطة.

اقترح فريق من الباحثين في جامعة سيدني ومؤسسات أخرى طريقة جديدة لتعليم الحواسيب كيفية كتابة هذه التقارير الطبية، وهي طريقة تحترم الهيكل التفصيلي للتشخيص البشري. يشير عملهم، الذي عُرض في مؤتمر رئيسي للوسائط المتعددة، إلى أن المشكلة ليست في أن الحواسيب الحالية صغيرة جداً أو ليست ذكية بما يكفي، بل في أنها تتعلم الدرس الخاطئ. فبدلاً من مطالبة الذكاء الاصطناعي بمطابقة صورة كاملة مع تقرير كامل، قام الباحثون بتفكيك المهمة إلى خطوات أصغر وأكثر منطقية. لقد أنشأوا نظاماً يجبر الكمبيوتر على تعلم كيفية ربط أمراض محددة بأجزاء محددة من الصورة، مع الحفاظ في الوقت نفسه على تماسك القصة العامة للتقرير. هذا النهج، الذي أطلقوا عليه اسم "المحاذاة السريرية الهرمية الخاضعة للإشراف الرسومي" (Graph-Supervised Hierarchical Clinical Alignment)، يستخدم خريطة للمعرفة الطبية فقط خلال مرحلة التدريب لتوجيه عملية التعلم، ثم يتخلص من تلك الخريطة بمجرد أن يصبح الكمبيوتر جاهزاً للعمل.

إن جوهر هذه الطريقة الجديدة هو الإدراك بأن التقرير الإشعاعي يُبنى في طبقات. ففي الطبقة الدنيا، توجد نتائج فردية، مثل "الالتهاب الرئوي" أو "الكسر"، وكل منها مرتبط بمنطقة صغيرة من الصورة. وفي الطبقة العليا، يوجد التدفق العام للتقرير، الذي يضمن أن هذه الحقائق الفردية تتسق معاً لتشكل قصة طبية واحدة. كانت المحاولات السابقة لتحسين هذه الأنظمة تعتمد غالباً على جعل الكمبيوتر أكثر ذكاءً عبر تزويده بمزيد من البيانات أو "دماغ" أكبر، لكن الباحثين وجدوا أن تغيير كيفية تعليم الكمبيوتر كان أكثر فعالية. لقد صمموا عملية تدريب تعمل كدليل من خطوتين: أولاً، يتعلم النظام محاذاة الصورة بأكملها مع التقرير بأكمله لضمان صحة المعنى العام. ثانياً، والأهم من ذلك، يستخدم دليلاً مهيكلاً للعلاقات الطبية لتعليم الكمبيوتر ربط مصطلحات طبية محددة بأنماط بصرية محددة. هذا الدليل هو "رسم بياني معرفي" (knowledge graph)، وهو شبكة تدرك أن "القلب" و"الصدر" مرتبطان، أو أن "السوائل" و"التورم" غالباً ما يظهران معاً. ومن الأهمية بمكان أن هذا الدليل يُستخدم فقط أثناء تعلم الكمبيوتر؛ فبمجرد انتهاء التدريب، يتم إزالة الدليل، مما يترك نظاماً سريعاً وفعالاً لا يحتاج إلى استشارة خريطة معقدة في كل مرة يولد فيها تقريراً.

ولاختبار مدى نجاح هذه الطريقة، درب الباحثون نظامهم على ثلاث مجموعات مختلفة من البيانات الطبية، بما في ذلك مجموعة ضخمة تضم أكثر من 370,000 صورة أشعة سينية للصدر وتقاريرها المقابلة. وقارنوا نظامهم الجديد، الذي يستخدم نموذجاً لغوياً صغيراً نسبياً يحتوي على حوالي 3 مليارات معلمة (parameter)، بالأنظمة الأخرى التي تستخدم نماذج أكبر بكثير تتراوح بين 7 مليارات أو حتى 13 مليار معلمة. كانت النتائج مذهلة؛ فقد تفوق النموذج الأصغر، المدرب بهذا النهج المهيكل الجديد، باستمرار على النماذج الأكبر في كل من الاختبارات اللغوية القياسية والتقييمات السريرية المتخصصة. لقد أنتج تقارير لم تكن أكثر سلاسة فحسب، بل كانت أيضاً أكثر دقة في وصف الحالات الطبية المحددة الموجودة في الصور. كان النظام أفضل في تحديد التفاصيل الدقيقة، مثل الموقع الدقيق للاعتلال، وتجنب الخطأ الشائع المتمثل في الخلط بين الأمراض المختلفة. وفي الواقع، وجد الباحثون أن نموذجهم المكون من 3 مليارات معلمة يمكنه إنتاج نتائج أفضل من الأنظمة التي تزيد في حجمها عن أربعة أضعاف حجمه، مما يشير إلى أن طريقة تنظيم المعلومات أثناء التعلم أهم بكثير من الحجم الهائل لذاكرة الكمبيوتر.

كما فحص الباحثون ما يحدث عند إزالة أجزاء مختلفة من منهج التدريب الجديد الخاص بهم لمعرفة أي الأجزاء هي الأكثر أهمية. واكتشفوا أن كلا مستويي التدريب ضروريان؛ فإذا تعلم النظام فقط مطابقة الصورة الكاملة مع التقرير الكامل، فإنه ينتج تقارير سلسة ولكنها غالباً ما تغفل تفاصيل محددة. وإذا تعلم فقط مطابقة الأمراض الفردية مع أجزاء الصورة، تصبح التقارير قائمة مفككة من الحقائق تفتقر إلى السرد المتماسك. وفقط عندما تم دمج المستويين معاً، أنتج النظام تقارير دقيقة وطبيعية في آن واحد. علاوة على ذلك، اختبروا ما إذا كان الشكل المحدد لخريطة المعرفة الطبية يؤثر على النتائج، ووجدوا أن استخدام خريطة تعكس العلاقات التشريحية الحقيقية كان يعمل بشكل أفضل بكثير من استخدام خريطة عشوائية أو خريطة يكون فيها كل شيء متصلاً بكل شيء آخر. وقد أكد هذا أن قيمة النظام نابعة من تعليم الكمبيوتر احترام الهيكل المنطقي للمعرفة الطبية، وليس مجرد إضافة المزيد من البيانات.

أحد الجوانب الأكثر أهمية لهذا العمل هو كيفية تغيير العلاقة بين الكمبيوتر والبيانات الطبية. ففي العديد من المحاولات السابقة لاستخدام الرسوم البيانية للمعرفة الطبية، كان على الكمبيوتر حمل الخريطة المعقدة معه في كل مرة يولد فيها تقريراً، مما يبطئ سرعته ويجعل استخدامه في المستشفيات الحقيقية أكثر صعوبة. تتجنب هذه الطوة الجديدة هذا الاختناق تماماً؛ فمن خلال استخدام خريطة المعرفة فقط كمعلم مؤقت خلال مرحلة التدريب، يظل النظام النهائي بسيطاً وسريعاً. فهو يتعلم هيكل العالم الطبي ثم يطبق ذلك الفهم دون الحاجة إلى البحث عن القواعد في كل مرة. وهذا يعني أن المستشفيات يمكنها استخدام هذه الأنظمة المتقدمة دون القلق بشأن التكلفة الحسابية الإضافية أو التعقيد الذي يصاحب عادةً دمج المعرفة الطبية العميقة. يتعلم النظام التفكير مثل أخصائي الأشعة من خلال تقسيم المشكلة إلى قطع يمكن إدارتها، مما يضمن أن كل كلمة في التقرير تستند إلى حقيقة بصرية محددة.

إن نجاح هذا النهج يشير إلى تحول في كيفية تفكيرنا في الذكاء الاصطناعي في الطب. لفترة طويلة، كان الاعتقاد السائد هو أننا لحل المشكلات المعقدة، نحتاج ببساطة إلى بناء حواسيب أكبر فأكبر. وتجادل هذه الورقة بأننا كنا نركز على الرافعة الخاطئة؛ فالاختناق في توليد تقارير طبية دقيقة ليس ناتجاً عن نقص في القدرة الحسابية، بل عن نقص في الإشراف المهيكل. ومن خلال تعليم الكمبيوتر محاذاة تعلمه مع الهيكل الفعلي للمهمة الطبية -أي مطابقة النتائج المحددة مع الأدلة المحددة- يمكننا تحقيق نتائج أفضل باستخدام نماذج أصغر وأكثر كفاءة. لقد أثبت الباحثون ذلك من خلال إظهار أن طريقتهم حسنت جودة التقارير عبر أنواع مختلفة من الصور الطبية، من الأشعة السينية القياسية للصدر إلى الأشزاء المقطعية للرئتين. كان النظام قادراً على توليد تقارير أمينة سريرياً، مما يعني أنها تعكس الواقع الطبي للصور بدقة، بدلاً من مجرد تبدو وكأنها تفعل ذلك.

في النهاية، يقدم هذا العمل مساراً واضحاً لتحسين كيفية مساعدة الآلات للأطباء. فهو يوضح أنه من خلال احترام الطبيعة الهرمية للتشخيص البشري، حيث تبني الحقائق الفردية قصة كاملة، يمكننا إنشاء أدوات أكثر ذكاءً وموثوقية. لم يقم الباحثون فقط ببناء مولد تقارير أفضل، بل أعادوا تعريف المشكلة، موضحين أن المفتاح لإطلاق إمكانات الذكاء الاصطناعي في الأشعة يكمكن في كيفية هيكلة عملية التعلم نفسها. ومن خلال تفكيك المهمة إلى محاذاة عالمية للتقرير بأكمله ومحاذاة دقيقة للأمراض الفردية، أنشأوا نظاماً يفهم الفرق بين الوصف العام والنتيجة الطبية الدقيقة. هذا النهج لا ينتج تقارير أفضل فحسب، بل يفعل ذلك بطريقة عملية للاستخدام في العالم الحقيقي، مما يثبت أن الأداة الأكثر قوة أحياناً ليست دماغاً أكبر، بل طريقة تفكير أفضل.