B-MIM: Biased Masked Image Modeling for Generalizable Segmentation of Fine-Grained Anatomical Structures

في المشهد الطبي الحديث، يبرز التصوير المقطعي المحوسب، أو الـ CT، كحجر زاوية في عملية التشخيص. فمن خلال دمج صور متعددة للأشعة السينية، تقوم هذه الأجهزة بإنشاء رؤى ثلاثية الأبعاد مفصلة لداخل الجسم، مما يسمح للأطباء بالرؤية في الداخل دون الحاجة لإجراء شق جراحي. وتعد هذه التكنولوجيا حيوية لرصد أمراض مثل السرطان، ومراقبة حالات القلب، والتخطيط لعمليات جراحية معقدة. ولتفسير الكم الهائل من البيانات التي تنتجها هذه الفحوصات، يعتمد الباحثون بشكل متزايد على الذكاء الاصطناعي؛ حيث يتم تدريب هذه الأنظمة الحاسوبية على التعرف على الأنماط، لتعمل بمثابة زوج ثانٍ من العيون يمكنه تحديد الأورام، أو تتبع الأوعية الدموية، أو قياس الأعضاء. ومع ذلك، لكي تعمل هذه المساعدات الرقمية بشكل جيد، يجب عليها أولاً أن تتعلم رؤية العالم كما يراه الطبيب. وغالباً ما تتضمن عملية التعلم هذه "التعلم الخاضع للإشراف الذاتي"، وهو أسلوب يدرس فيه الكمبيوتر ملايين الصور غير المصنفة لبناء فهم عام للتشريح قبل تعليمه مهام محددة. والهدف هو إنشاء نموذج لا يقتصر تميزه على التعرف على الأعضاء الكبيرة مثل الكبد أو القلب فحسب، بل يكون حساساً أيضاً لرؤية التفاصيل الدقيقة والمعقدة التي غالباً ما تحمل مفتاح صحة المريض.

يكمن التحدي في حقيقة أن معظم نماذج الذكاء الاصطناعي الحالية مدربة على فهم الصورة الكبيرة. فهي ممتازة في تحديد أن شكلاً كبيراً داكناً هو كبد، لكنها غالباً ما تواجه صعوبة في التعامل مع الهياكل الدقيقة الشبيهة بالخيوط التي تمر عبره، مثل الأوعية الدموية، أو البقع الصغيرة غير المنتظمة التي قد تكون مؤشراً لأورام في مراحل مبكرة. وهذه التفاصيل الدقيقة بالغة الأهمية؛ فمعرفة المسار الدقيق لوعاء دموي يمكن أن تحدد ما إذا كان بإمكان الجراح إزالة جزء مصاب من الكبد بأمان، كما أن رصد ورم صغير في مرحلة مبكرة قد يكون هو الفارق بين الحياة والموت. وقد طور فريق من الباحثين من تشيلي والسعودية نهجاً جديداً لمعالجة هذه النقطة العمياء؛ حيث أنشأوا نظاماً يسمى "نمذجة الصور المقنعة المنحازة"، أو B-MIM، والذي يعلم الكمبيوتر إعطاء اهتمام أقل للشكل العام للعضو واهتمام أكبر بالتفاصيل المحلية عالية التردد التي تحدد بنيته.

بدأ الباحثون بجمع مجموعة ضخمة من البيانات الطبية لتدريب نظامهم. فقد جمعوا فحوصات CT من 17 مصدراً عاماً مختلفاً، لإنشاء مجموعة بيانات موحدة تضم ما يقرب من 10,000 دراسة لمنطقة البطن. تضمنت هذه المجموعة ما يقرب من مليوني شريحة من الصور، والتي تمت تصفيتها بعناية لضمان جودتها العالية وتركيزها على منطقة البطن. ولإعداد هذه البيانات، استخدموا أدوات آلية لقص الأجزاء غير ذات الصلة من الجسم ومحاذاة الصور بحيث يتم توجيه كل فحص بنفس الطريقة. وقد كانت مجموعة البيانات الضخمة والمتنوعة هذه بمثابة الفصل الدراسي الذي يتعلم فيه الذكاء الاصطناعي دروسه، مما يضمن تعرض النموذج لمجموعة واسعة من التشريحات البشرية وتقنيات المسح المختلفة.

إن الابتكار الجوهري في عملهم هو تغيير في كيفية تعلم الكمبيوتر من هذه الصور. في طريقة التدريب القياسية، يُطلب من الكمبيوتر النظر إلى صورة، ثم إخفاء جزء صغير منها، ثم محاولة تخمين الجزء المفقود بناءً على السياق المحيط. وعادة ما يتم تشجيع الكمبيوتر أيضاً على فهم المعنى الإجمالي للصورة بأكملها في الوقت نفسه. ووجد الباحثون أن هذا التركيز المزدوج غالباً ما يشتت انتباه الذكاء الاصطناعي عن التفاصيل الصغيرة. ولحل هذه المشكلة، أدخلوا "تحيزاً" في عملية التدريب؛ حيث برمجوا النظام ليقوم أحياناً بتجاهل السياق العالمي تماماً، مما يجبره على الاعتماد فقط على إعادة بناء الأجزاء المحلية المفقودة. ومن خلال القيام بذلك بشكل عشوائي (stochastically) — أي أن الكمبيوتر يقرر عشوائياً ما إذا كان سينظر إلى الصورة ككل أو إلى الأجزاء الصغيرة فقط خلال كل خطوة تعلم — شجعوا الذكاء الاصطناعي على أن يصبح خبيراً في رؤية الأنسجة الدقيقة والخطوط المستمرة. هذا النهج، الذي يسممونه B-MIM، يدفع النموذج لالتقاط التفاصيل المورفولوجية عالية الدقة اللازمة لتتبع وعاء دموي رفيع أو تحديد حدود ورم صغير، بدلاً من مجرد التعرف على الكتلة العامة للعضو.

ولاختبار ما إذا كانت هذه الطريقة الجديدة ناجحة بالفعل، قام الباحثون بتدريب نسخة ثلاثية الأبعاد من بنية ذكاء اصطناٍ قوية تُعرف باسم "Swin Transformer" باستخدام تقنية B-MIM الخاصة بهم. ثم وضعوا هذا النظام المدرب تحت الاختبار في مهمتين صعبتين: تتبع شبكة الأوعية الدموية في الكبد وتحديد الأورام الصغيرة. ومن المهم أنهم اختبروا النظام على بيانات لم يسبق له رؤيتها من قبل، باستخدام فحوصات من مستشفيات مختلفة ومجموعات مرضى مختلفة لمعرفة ما إذا كان النموذج يمكنه تعميم معرفته. وكانت النتائج مذهلة؛ فعندما طُلب منه تقسيم أوعية الكبد، أظهر النموذج الجديد تحسناً ملحوظاً في الدقة الطوبولوجية، مما يعني أنه كان أفضل بكثير في الحفاظ على اتصال الأوعية وعدم انقطاعها، حتى عند الانتقال من مجموعة بيانات إلى أخرى. وفي اختبار محدد، حسن النموذج قدرته على تتبع هذه الأوعية بنسبة تقارب 19 بالمئة مقارنة بالطرق السابقة، على الرغم من استخدامه لجزء ضئيل جداً من المعلمات القابلة للتعديل. لقد تمكن من تحقيق هذه النتائج مع إبقاء الجزء الرئيسي من الذكاء الاصطناعي ثابتاً، وتحديث عدد قليل فقط من الإعدادات للتكيف مع المهمة الجديدة.

كما بحثت الدراسة في مدى أداء النظام في تقسيم الأورام. وهنا، كانت النتائج مختلطة أكثر، وهو ما يشير الباحثون إلى أنه يعود إلى حقيقة أن الأورام تختلف في الحجم والشكل أكثر بكما تختلف الأوعية الدموية. وبينما كان أداء النموذج تنافسياً، بدا أن الطبيعة الأنبوبية المتسقة للأوعية الدموية قد استفادت من طريقة التدريب الجديدة أكثر من الأشكال غير المنتظمة للأورم. وأشار الباحثون إلى أن نهجهم يسمح بتقسيم عالي الجودة دون الحاجة إلى موارد حوسبة ضخمة أو إعادة تدريب مكثفة، مما يجعله أداة عملية للتصوير الطبي. ومن خلال تقليل الضغط لفهم "الصورة الكبيرة" خلال مرحلة التعلم الأولية، أصبح الذكاء الاصطناعي أكثر قدرة على ملاحظة التفاصيل المعقدة التي تهم أكثر في التحليل الطبي دقيق التفاصيل.

إن آثار هذا العمل تمتد إلى ما هو أبعد من مجرد أرقام أفضل في اختبار ما. فقد أظهر الباحثون أنه من خلال تغيير كيفية تعليم الذكاء الاصطناعي كيفية النظر إلى صورة ما، من الممكن تحويل تركيزه من السمات العامة الخشنة إلى الهياكل الدقيقة والمحددة التي تحدد التشريح البشري. وهذا يشير إلى أنه بالنسبة للمهام التي تتطلب الدقة، مثل التخطيط للجراحة أو اكتشاف المرض المبكر، فإن النهج التقليدي الذي يوازن بين الفهم العالمي والمحلي قد يحتاج إلى تعديل. وتخلص الدراسة إلى أن استراتيجية التدريب المنحازة هذه تعزز قدرة النموذج على نقل معرفته إلى بيانات جديدة وغير مرئية، مما يوفر مساراً واعداً لجعل الذكاء الاصطناعي شريكاً أكثر موثوقية في العالم المعقد للتشخيص الطبي. ويقف هذا العمل كذكرى بأننا أحياناً، لكي نرى الصورة الكاملة بوضوح، يجب علينا أولاً أن نتعلم كيف نتجاهل الصورة الكبيرة ونركز تماماً على التفاصيل.