Using Relative Risk Rankings to Understand Information Differences in Multimodal Prediction Models
تُظهر هذه الدراسة أن استبدال صور الأشعة السينية للصدر الخام بتقارير مكتوبة من قبل خبراء في نماذج التنبؤ بالوفيات متعددة الوسائط يؤدي إلى فقدان كبير في المعلومات وتغيير في ترتيب أولويات المخاطر، مما يشير إلى أن الملخصات النصية هي بدائل غير مثالية للمؤشرات البصرية التنبؤية.
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 التنبؤ بمن قد يمرض مرة أخرى قريباً بعد مغادرة المستشفى. لديك طريقتان رئيسيتان لجمع المعلومات عن المريض:
- الدليل الخام: صورة عالية الدقة لرئتيه (أشعة سينية للصدر).
- الملخص: ملاحظة مكتوبة من طبيب تصف ما يراه في تلك الصورة.
عادةً، ومن أجل التسهيل، تقوم المستشاتفيات والبرامج الحاسوبية باستبدال الصورة بالملاحظة المكتوبة. فمن الأسهل قراءة النص من تحليل آلاف البكسلات. لكن هذه الورقة البحثية تطرح سؤالاً جوهرياً: هل يؤدي استبدال الصورة بالملاحظة إلى إضاعة أدلة مهمة؟
التجربة: المحقق مقابل التقرير
تصرف الباحثون كالمحققين الذين يحاولون حل لغز: "من هو المعرض لخطر الوفاة خلال 30 يوماً من مغادرة المستشفى؟"
لقد بنوا نظاماً حاسوبياً ذكياً (ذكاء اصطناعي) وأعطوه ثلاث مجموعات مختلفة من الأدلة لحل اللغز:
- مجموعة الأدلة (أ): ملخص الخروج العام للمريض فقط ("الصورة الكبيرة").
- مجموعة الأدلة (ب): الملخص العام + التقرير المكتوب من طبيب الأشعة.
- مجموعة الأدلة (ج): الملخص العام + صورة الأشعة السينية الفعلية.
النتيجة:
كان الكمبيوتر الأفضل في حل اللغز عندما نظر إلى صورة الأشعة السينية الفعلية (مجموعة الأدلة ج). وكان أقل دقة قليلاً مع التقرير المكتوب فقط (مجموعة الأدلة ب)، والأقل دقة على الإطلاق مع الملخص العام فقط (مجموعة الأدلة أ).
تشبيه "الأدلة المفقودة"
لماذا فازت الصورة؟ فكر في الأشعة السينية كأنها صورة لمسرح الجريمة، وتقرير طبيب الأشعة كأنه ملخص مكتوب من ضابط شرطة لتلك الصورة.
حتى ضابط الشرطة الماهر قد يغفل عن تفصيل صغير أو دقيق في الصورة عند كتابة تقريره. ربما يوجد ظل باهت أو تغير طفيف في الملمس يصرخ بكلمة "خطر" بالنسبة لكمبيوتر ينظر إلى البكسلات، لكن الطبيب البشري لم يجد أنه من المهم كتابته.
وجدت الدراسة أنه عندما اعتمد الكمبيوتر على التقرير المكتوب، لم يكن الأمر مجرد أنه كان "أقل ذكاءً" بشكل عام؛ بل إنه في الواقع رتب المرضى بشكل خاطئ. فقد صنف المرضى منخفضي المخاطر على أنهم عالي المخاطر والعكس صحيح. الأمر يشبه محققاً، بدلاً من النظر إلى الصورة، يكتفي بقراءة الملخص، فينتهي به الأمر بمطاردة المشتبه به الخطأ لأن تفصيلاً صغيراً وحاسماً قد سقط من الملاحظات.
الخلاصة الكبرى
تعلمنا هذه الورقة أن الملخصات النصية ليست بدائل مثالية للصور الخام.
- المشكلة: نحن غالباً ما نستبدل البيانات المعقدة (الصور) بملخصات بسيطة (نصوص) لأن ذلك أسهل.
- المخاطرة: بالقيام بذلك، قد نفقد معلومات دقيقة ومنقذة للحياة لا يحتوي عليها سوى البيانات الخام.
- الدرس المستفاد: عند بناء ذكاء اصطناعي للتنبؤ بالنتائج الصحية، لا يمكننا فقط التحقق مما إذا كان الذكاء الاصطناعي "مصيباً" أو "مخطئاً". يجب علينا أيضاً التحقق مما إذا كان يرتب المرضى بشكل صحيح. إذا نظر الذكاء الاصطناعي إلى صورة، فقد يلمح خطراً خفياً فات ذكره في التقرير المكتي، مما يؤدي إلى تنبؤ أفضل بمن يحتاج إلى أكبر قدر من المساعدة.
باختختصار: لا تكتفِ بقراءة الملخص؛ انظر إلى الصورة. فأحياناً، تكون أهم الأدلة هي تلك التي لم يظن أحد أنه من الضروري كتابتها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.