$\Delta$Representation: Geometry Supervised Representation Learning of Phenotypes via Counterfactual Reasoning for Medical VLMs

في همهمة هادئة داخل قسم الأشعة في أحد المستشفيات، يدرس طبيب صورة مقطعية (CT)، باحثاً عن الفرق الدقيق بين الرئة السليمة وتلك المريضة. بالنسبة للعين البشرية، تعتمد هذه المهمة على سنوات من التدريب للتعرف على كيفية تغيير مرض معين لمظهر الأنسجة الطبيعية. وفي السنوات الأخيرة، بدأت الحواسيب في تعلم هذه المهارة نفسها من خلال أنظمة الذكاء الاصطناعي المعروفة بنماذج الرؤية واللغة (vision-language models). تُدرب هذه الأنظمة على النظر إلى الصور الطبية وقراءة النصوص السريرية، لتتعلم الربط بين ما تراه وما هو مكتوب. والهدف هو إنشاء مساعد رقمي يمكنه مساعدة الأطباء في تفسير الفحوصات، ورصد التشوهات، وإنشاء التقارير. ومع ذلك، لا تزال هناك عقبة كبيرة قائمة: فغالباً ما تواجه هذه النماذج الحاسوبية صعوبة في فهم أن المرض ليس جسماً منفصلاً يطفو في الجسم، بل هو تغير يحدث للبنية الطبيعية للجسم. فهي ترى الصورة ككل، لكنها تجد صعوبة في عزل كيفية اختلاف الآفة (lesion)، أو المنطقة المتضررة، عن الأنسجة السليمة المحيطة بها بدقة. وبدون هذا الفهم الدقيق، قد يحدد الحاسوب وجود خطب ما، لكنه لن يستطيع شرح ما هو الخطأ بالضبط أو أين يقع بدقة الطبيب.

اقترح فريق من الباحثين طريقة جديدة لتعليم هذه النماذج الحاسوبية، تركز على مفهوم "التغيير" بدلاً من مجرد الصورة النهائية. وقد أطلقوا على نهجهم اسم طريقة لتعلم التمثيلات البصرية من خلال الاستدلال المضاد للواقع (counterfactual reasoning). وببساطة، بدلاً من مجرد عرض صورة لرئة مريضة على الحاسوب وسؤاله عن اسم المرض، يعلّم الباحثون الحاسوب تخيل كيف ستبدو تلك البقعة تحديداً لو كانت سليمة. يتعلم النظام أولاً خريطة تفصيلية لكيفية ترتيب أجزاء الجسم السليمة في الفراغ، مدركاً أن القلب يقع في علاقة محددة مع الرئتين، وأن الأوعية الدموية تتبع مساراً مستممتداً. وبمجرد بناء هذه الخريطة للتشريح الطبيعي، ينظر الحاسوب إلى منطقة مصابة ويتساءل سؤالاً افتراضياً: "لو كانت هذه البقعة سليمة، كيف سيكون شكلها؟". ومن خلال مقارنة الصورة الفعلية للنسيج المريض مقابل هذه النسخة الصحية المتخيلة، يحسب النظام الفرق المحدد. هذا الفرق، أو "زيادة" التغيير، يصبح المفتاح لتحديد المرض. وقد وجد الباحثون أنه من خلال التركيز على هذه الفجوة بين الحالة الحقيقية والحالة الصحية المتخيلة، يصبح الحاسوب أفضل بكثير في تحديد مكان المشكلة ووصف نوع المشكلة بدقة.

بُنيت هذه الطة على خطوتين متمايزتين. أولاً، يخضع النظام لمرحلة تدريب يتعلم فيها هندسة جسم الإنسان في غياب أي مرض. حيث تُعرض عليه آلاف الصور للتشريح السليم ويُعلَّم ترتيب فهمه الداخلي لهذه الهياكل بحيث تتطابق العلاقات المكانية مع الواقع. فإذا عرف النموذج موقع الرئة اليسرى بالنسبة للرئة اليمنى، وكيف تتدفق الأنسجة باستمرار داخل عضو واحد، فإنه يبني نقطة مرجعية مستقرة. وهذا أمر بالغ الأهمية لأنه يمنح الحاسوب مرجعاً موثوقاً. في الخطوة الثانية، يواجه النظام صوراً تحتوي على آفات، مثل العُقيدات أو مناطق الالتهاب. ومع كل بقعة من الأنسجة المصابة، يستخدم النظام معرفته بالتشريح السليم لتقدير كيف يجب أن تبدو تلك البقعة لو لم تكن مريضة. ثم يقوم بطرح هذه النسخة الصحية المقدرة من الصورة المريضة الفعلية. والنتيجة هي إشارة واضحة تسلط الضوء فقط على التغير المرضي، وتزيل ضجيج التشريح الطبيعي المحيط. وهذا يسم يسمح للنموذج بأن يتعلم أن "العُقيدة الرئوية" ليست مجرد شكل عشوائي، بل هي نوع محدد من التغير البصري بالنسبة لأنسجة الرئة الطبيعية.

لاختبار هذه الفكرة، طبق الباحثون طريقتهم على عدة نماذج ذكاء اصطناعي طبية موجودة وقيموها باستخدام مجموعتي بيانات عامتين كبيرتين تحتويان على فحوصات مقطعية للصدر. تضمنت إحدى مجموعات البيانات أكثر من ألفي صورة مع ملاحظات تفصيلية حول أربعة أنواع محددة من أمراض الرئة، بينما احتوت المجموعة الأخرى على مئات الفحوصات مع تعليقات الخبراء لآفات الرئة. وأظهرت النتائج تحسناً هائلاً في قدرة النماذج على أداء مهمتين حاسمتين: تحديد الموقع الدقيق للآفة في الفحص وتحديد نوع المرض بشكل صحيح. فعلى سبيل المثال، عندما تم اختبار أحد النماذج، قفزت القدرة على تحديد موقع المشكلة بدقة من حوالي عشرة بالمائة إلى أكثر من خمسين بالمائة. وبالمثل، تضاعفت دقة تحديد نوع المرض المحدد بأكثر من ثلاث مرات في بعض الحالات. ولاحظ الباحثون أنه كلما زاد عدد الأمثلة التي يتم تغذية النظام بها من الأنسجة المصابة، أصبحت قدرته على التمييز بين الأنواع المختلفة من الحالات أكثر حدة، تماماً مثل طالب يتعلم التمييز بين طيور متشابهة بعد رؤية المزيد من الأمثلة.

كما أظهرت الدراسة أن هذا النهج يعمل بشكل جيد حتى عندما يُطلب من الحاسوب إنشاء تقارير مكتوبة كاملة عن الفحوصات، وهي مهمة تُعرف باسم "توليد تقارير الأشعة". وفي هذه الاختبارات، كانت النماذج المزودة بالطريقة الجديدة قادرة على إنتاج تقارير ليست فقط أكثر دقة في أوصافها، بل وأيضاً أفضل في ربط تلك الأوصاف بالأجزاء الصحيحة من الصورة. وفي حالة دراسية محددة، فشل نموذج قياسي في ملاحظة "عتامة الزجاج المغشى" (ground-glass opacity)، وهي تعتيم طفيف في الرئة، وأفاد بأن الفحص طبيعي. ومع ذلك، فإن النموذج الذي استخدم الطريقة الجديدة حدد الشذوذ بشكل صحيح، ووصف قوامه وشكله، وأشار إلى موقعه في الجزء السفلي من الرئة. يشير هذا النجاح إلى أنه من خلال تعليم الحاسوب المخطط الطبيعي للجسم ثم قياس الانحراف عن ذلك المخطط، يكتسب النظام فهماً أعمق وأكثر موثوقية للمرض. وخلص الباحثون إلى أن طريقة التعلم هذه، التي تفصل الطبيعي عن غير الطبيعي من خلال عملية مقارنة، تقدم أداة قوية لتحسين كيفية تفسير الذكاء الاصطناعي للصور الطبية، مما قد يؤدي إلى تشخيصات أكثر دقة ودعم أفضل للأطباء في المستقبل.