AI segmentation requires accounting for brain size to maintain performance on developmental MRI cohorts
تُظهر هذه الدراسة أن إعادة تحجيم وقص صور الرنين المغناطيسي للرضع لتتطابق مع أبعاد دماغ البالغين تُحسن بشكل كبير من أداء أداة التعلم العميق SynthSeg، مما يرفع معدلات التجزئة الناجحة في المجموعات النامية من 36% إلى 91%.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت التعرف على أنواع مختلفة من الفاكهة. تعرض عليه آلاف الصور لبطيخات وتفاحات ضخمة وناضجة، تعلمه بدقة كيف يبدو شكل "الفاكهة". ولكن بعد ذلك، تعطيه حبة عنب صغيرة وغير ناضجة وتسأله: "هل هذه فاكهة؟". قد يرتبك الروبوت. ليس لأن العنب ليس فاكهة، بل لأنه تدرب فقط على فواكه كبيرة وناضجة؛ فهو لا يعرف كيف يتعامل مع شيء بهذا الصغر أو كيف قد تبدو الألوان عندما تكون الفاكهة في طور النمو. هذا هو بالضبط نوع اللغز الذي يواجهه العلماء عندما يحاولون استخدام الذكاء الاصطناعي لدراسة الدماغ البشري.
في عالم علوم الأعصاب، يستخدم الباحثون فحوصات الرنين المغناطيسي (MRI) — مثل التقاط صورة ثلاثية الأبعاد فائقة التفصيل لداخل رأسك — لرؤية كيف ينمو الدماغ ويتغير. لفترة طويلة، كانت أدوات الذكاء الاصطناعي رائعة في تحليل هذه الصور للبالغين. ولكن عندما حاول العلماء استخدام نفس هذه الأدوات على الرضع والأطفال، أخطأ الذكاء الاصطناعي في كثير من الأحيان. لماذا؟ لأن دماغ الرضيع صغير جداً مقارنة بدماغ البالغ، وطريقة ظهوره في الفحص تختلف تماماً. الأمر يشبه محاولة إدخال يد طفل صغير في قفاز بالغ ضخم؛ فالشكل ببساły غير متناسب. وهذا أمر مهم لأننا إذا لم نتمكن من قياس دماغ الطفل بدقة، فلن نتمكن من رصد العلامات المبكرة للاضطرابات النمائية أو فهم كيفية نمو الدماغ في المقام الأول. كان السؤال الكبير هو: هل يمكننا إصلاح الذكاء الاصطناعي ليعمل للجميع، من المواليد إلى البالغين، دون الحاجة إلى بناء روبوت جديد لكل عمر؟
تتحدث هذه الورقة عن فريق من الباحثين الذين قرروا حل مشكلة "القفاز" هذه لفحوصات الدماغ. لقد اختبروا أداة ذكاء اصطناعي شهيرة تسمى "SynthSeg"، وهي تشبه جراحاً رقمياً فائق الذكاء يمكنه رسم خطوط تلقائياً حول أجزاء مختلفة من الدماغ. وجدوا أنه عندما غدّوا الأداة بفحوصات لأطفال رضع، فشلت الأداة فشلاً ذريعاً. فمن بين كل 100 فحص لرضيع، نجح حوالي 36 فحصاً فقط في اختبار الجودة، مما يعني أن الذكاء الاصطعي لم يستطع رسم خريطة للدماغ بشكل موثوق. أدرك الباحثون أن الذكاء الاصطناعي كان مرتبكاً لأنه "رأى" فقط أدمغة بحجم البالغين أثناء تدريبه. كانت أدمغة الرضع صغيرة جداً، كما أن الفحوصات كانت تحتوي على الكثير من المساحات الفارغة حولها (مثل الرقبة والكتفين) مما جعل من الصعب على الذكاء الاصطناعي استيعابها.
لذا، ابتكر الفريق حيلة ذكية مكونة من خطوتين لمساعدة الذكاء الاصطناعي على فهم الرضع. أولاً، قاموا بـ "تمطيط" (stretch) صور فحوصات أدمغة الرضع رقمياً لجعلها تبدو بنفس حجم دماغ البالغ. الأمر يشبه تكبير صورة صغيرة حتى تملأ الشاشة بأكملها. ثانياً، قاموا بـ "قص" (crop) الصورة، أي قطع كل الأشياء الإضافية في الخلفية مثل الرقبة والكتفين، بحيث لا يرى الذكاء الاصطناعي سوى الدماغ، تماماً كما يفعل مع فحوصات البالغين. أطلقوا على هذه الطريقة الجديدة اسم "إعادة التدرج + القص" (rescale + crop).
كانت النتائج مذهلة. فعندما طبقوا هذه الحيلة الجديدة، قفز معدل نجاح فحوصات الرضع من 36% إلى 91%. فجأة، استطاع الذكاء الاصطناعي رؤية دماغ الرضيع بوضوح، وارتفعت درجات الجودة لتتطابق مع الدقة الفعلية للخرائط. اختبر الباحثون هذه الطريقة على مجموعة ضخمة تضم 26,000 فحص من الرضع إلى البالغين، ووجدوا أن هذا التعديل البسيط جعل الذكاء الاصطناعي يعمل بسلاسة عبر جميع مراحل العمر. لم يضطروا لإعادة تدريب الذكاء الاصطناعي من الصفر أو بناء نموذج جديد؛ بل كان عليهم فقط تعليم الذكاء الاصطناعي كيف ينظر إلى فحوصات الرضع بطريقة تتوافق مع ما يعرفه بالفعل.
كما تنفي الورقة أيضاً بعض الاحتمالات. فقد أظهرت أن المشكلة لم تكن مجرد "التباين" (contrast) أو الألوان في فحوصات الرضع (التي تتغير مع نضج الدماغ)، بل كانت تحديداً في الحجم ومجال الرؤية. ووجدوا أن مجرد تمطيط الصورة لم يكن كافياً؛ بل كان لا بد من قص الخلفية أيضاً، وإلا سيظل الذكاء الاصطناعي مرتبكاً بسبب المساحة الإضافية. وبينما يعمل هذا الحل بشكل ممتاز في الوقت الحالي، إلا أن المؤلفين يوضحون بحذر أن أدمغة الرضع ليست مجرد "أدمغة بالغة صغيرة"؛ فلديها أشكال وأنسجة فريدة لا تستطيع هذه الطريقة استيعابها بالكامل. ومع ذلك، فإن هذا الإصلاح يسمح للعلماء باستخدام أداة واحدة موثوقة لتتبع تطور الدماغ من الولادة وحتى البلوغ، مما يفتح الباب لفهم أفضل لكيفية نمو أدمغتنا وما يحدث عندما يخرج هذا النمو عن مساره الصحيح.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.