Label-Free Threshold Selection for Out-of-Distribution Detection in Liver CT Segmentation

في المستشفيات الحديثة، يُطلب من الحواسيب بشكل متزايد القيام بالمهمة الدقيقة المتمثلة في رسم خطوط تحديد دقيقة حول الأعضاء داخل جسم الإنسان. فعندما يخضع المريض لفحص التصوير المقطعي المحوسب، تولد الآلة آلاف الصور المقطعية العرضية، ويجب على البرمجيات تحديد الكبد، وفصله عن الأنسجة المحيطة به حتى يتمكن الأطباء من تخطيط العلاجات أو قياس الأورام. وبينما تعمل هذه الأنظمة الآلية بشكل جيد للغاية في عمليات الفحص النموذجية، إلا أنها قد تتعثر عند مواجهة تشريح غير معتاد أو جودة صور نادرة تختلف عن البيانات التي تعلمت منها في الأصل. وإذا رسم الكمبيوتر حدوداً بشكل غير صحيح ولم يلاحظ أحد ذلك، فقد يتخذ الطبيب قراراً علاجياً بناءً على معلومات خاطئة. ولمنع حدوث ذلك، طور الباحثون طرقاً لتحديد هذه اللحظات التي يشوبها عدم اليقين، مما يمنح الكمبيوتر وسيلة ليقول: "أنا لست متأكداً بشأن هذه الحالة". لقد كان التحدي يكمن في تحديد متى يجب إطلاق إنذار الخطر بالضبط دون الحاجة إلى خبير بشري لمراجعة آلاف الصور أولاً، وهي عملية بطيئة ومكلفة، وغالباً ما تكون مستحيلة عندما تكون حالات الفشل نادرة.

اقترح فريق من الباحثين في مركز "إم دي أندرسون" للسرطان التابع لجامعة تكساس طريقة جديدة لضبط إنذارات السلامة هذه دون الاعتماد على تسميات بشرية لتعليم النظام كيف يبدو الفشل. وفي دراستهم، ركزوا على فحوصات الكبد وتساءلوا عما إذا كان بإمكان الكمبيوتر أن يتعرف على أخطائه ببساطة من خلال النظر في أنماط عمله الناجح. وبدلاً من عرض آلاف الأمثلة على الفحوصات السيئة لتعليمه ما يجب تجنبه، تركوا النظام يدرس الدرجات (الأرقام) التي أعطاها لمجموعة كبيرة من الفحوصات الطبيعية والناجحة. واكتشفوا أن درجات الفحوصات الجيدة اتبعت شكلاً رياضياً يمكن التنبؤ به، تماماً كما تميل أطوال الأشخاص في حشد كبير إلى التجمع حول متوسط معين. ومن خلال رسم هذا الشكل للنجاح، استطاعوا تحديد أي فحص جديد يقع خارج النمط المتوقع بشكل كبير.

اختبر الباحثون هذه الفكرة على مجموعة مكونة من خمسمائة فحص للكبد، بما في ذلك صور من مستشفاهم ومن أكثر من سبعين موقعاً طبياً في سبع دول. واستخدموا طريقة تقارن بين الخطوط التي رسمها الكمبيوتر وبين نفسه بعدة طرق لتوليد درجة واحدة تمثل مدى ثقته. وعند تطبيق نهجهم الجديد، وجدوا أن بإمكانهم تصنيف هذه الفحوصات إلى ثلاث مجموعات: منخفضة المخاطر، متوسطة المخاطر، وعالية المخاطر. احتوت المجموعة منخفضة المخاطر على فحوصات تشبه إلى حد كبير الفحوصات الناجحة التي درسها النظام. أما المجموعة عالية المخاطر فقد احتوت على فحوصات بدت غريبة جداً. والأهم من ذلك، أن المجموعة متوسطة المخاطر صُممت لتلتقط أي شيء قد يمثل مشكلة. وعندما تحققوا من النتائج، وجدوا أن كل فحص حدده خبير بشري لاحقاً على أنه فشل قد تم رصده إما في فئتي المخاطر المتوسطة أو العالية. وفي الواقع، رصد النظام جميع حالات الفشل بنسبة حساسية بلغت 100%، مما يعني أنه لم يفت أي منها، بينما حدد أيضاً ما يقرب من 80% من الفحوصات الجيدة على أنها آمنة بشكل صحيح.

يوفر هذا النهج ميزة كبيرة مقارنة بالطرق السابقة، التي كانت تتطلب عادةً من الخبراء مراجعة مئات الصور يدوياً لتقرير أين يوضع الخط الفاصل بين الفحص الآمن والفحص الخطير. وتعد هذه العملية اليدوية عبئاً ثقيلاً، خاصة لأن الفحوصات السيئة نادرة؛ إذ يستغرق العثور على أمثلة كافية لتعليم النظام وقتاً طويلاً عادةً. ويتجاوز الأسلوب الجديد هذه الحاجة تماماً. فمن خلال ملاءمة منحنى لدرجات الفحوصات الناجحة، أنشأ الباحثون نقطة مرجعية تعمل كمعيار للاعتدال (الطبيعية). وأي فحص جديد ينتج درجة بعيدة عن هذا المعيار يتم وضع علامة عليه للمراجعة. وقد أظهرت الدراسة أن هذه الطريقة ظلت فعالة حتى عندما احتوت مجموعة الفحوصات المستخدمة لبناء المعيار على عدد صغير من الأمثلة السيئة، مما يشير إلى أن النظام قوي بما يكفي للاستخدام في العالم الحقيقي حيث يصعب الحصول على بيانات مثالية.

كما استكشف الباحثون كيفية التعامل مع أنواع مختلفة من أنظمة تسجيل الدرجات. وبينما ناسب نوع واحد من الدرجات الشكل الرياضي الذي توقعوه تماماً، فإن نوعاً آخر لم يناسبه. وبالنسبة للنوع الذي لم يناسبه، استخدموا تقنية مختلفة لإعادة ترتيب البيانات بحيث تناسب النمط، مما أثبت أن إطار عملهم مرن بما يكفي للعمل مع طرق متنوعة لقياس الثقة. ووجدوا أنه من خلال استخدام حدين مختلفين، يمكنهم تخصيص النظام لاحتياجات مختلفة. حيث تم ضبط أحد الحدود ليكون حساساً للغاية، بحيث يلتقط كل فشل محتمل حتى لو أدى ذلك إلى وسم بعض الفحوصات الجيدة بأنها مشبوهة. أما الحد الآخر فكان أكثر صرامة، حيث يحدد مجموعة أصغر من الفحوصات التي تعد سيئة بالتأكيد، مما يساعد الأطباء على ترتيب أولويات اهتمامهم عندما يكون وقتهم محدوداً.

في نهاية المطاف، يوضح هذا العمل أن الحواسيب يمكنها التعرف على حدودها دون أن تُعلّم صراحةً ما يبدو عليه الخطأ. فالنظام لا يحل محل الطبيب، بل يوفر إشارة واضحة قائمة على البيانات حول الفحوصات التي تستحق نظرة فاحصة. ومن خلال تحويل الأرقام المعقدة إلى فئات مخاطر بسيطة، أنشأ الباحثون أداة يمكن أن تساعد المستشفيات على نشر أدوات التصوير الآلية بشكل أكثر أماناً وكفاءة. وتشير النتائج إلى أنه مع زيادة شيوع الذكاء الاصطناعي في الطب، يمكننا الاعتماد على أنماط نجاحه الخاص لحمايتنا من إخفاقاته النادرة، مما يضمن بقاء التكنولوجيا شريكاً موثوقاً في رعاية المرضى.