Current gaps in downstream applications of fMRI foundation models: lessons learned from BrainLM & BrainHarmonix on Prevent-AD
تقيم هذه الدراسة نماذج فوري (fMRI) الأساسية، BrainLM وBrainHarmonix، على مجموعة بيانات Prevent-AD وتجد أنها، على عكس مجالات اللغة والرؤية، تفشل حالياً في التفوق على النماذج المرجعية البسيطة في مهام التنبؤ السريري، مع تطلبها لتعديل برمجي كبير يعيق اعتمادها العملي من قبل الباحثين المستقلين.
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
يعتبر الدماغ البشري شبكة هائلة ونابضة بمليارات الخلايا التي تتواصل عبر إشارات كهربائية. ولفهم كيفية عمل هذه الشبكة، غالبًا ما يستخدم العلماء كاميرا قوية تسمى التصوير بالرنين المغناطيسي الوظيفي (fMRI). هذه الآلة لا تلتقط صورة ثابتة؛ بل تسجل فيلمًا للدماغ أثناء استراحته، حيث ترصد الموجات الخفية للنشاط التي تتدفق عبر مناطق مختلفة. ومن خلال مراقبة كيفية ارتفاع وانخفاض هذه المناطق بشكل متزامن، يمكن للباحثين رسم خرائط للروابط الوظيفية في الدماغ، تمامًا مثل تتبع تدفق حركة المرور على خريطة مدينة لمعرفة الأحياء الأكثر ارتباطًا ببعضها البعض. لسنوات طويلة، كانت الطريقة القياسية لتحليل هذه الخرائط هي قياس قوة الروابط بين كل زوج من المناطق. هذه الطريقة، المعروفة باسم الاتصال الوظيفي، كانت هي الأداة الأساسية للتنبؤ بأشياء مثل عمر الشخص أو جنسه، وللمحاولة في رصد العلامات المبكرة لأمراض مثل الزهايمر.
مؤخرًا، اجتاحت موجة جديدة من الذكاء الاصطناعي مجالات العلم، واعدةً بإحداث ثورة في كيفية فهمنا للبيانات المعقدة. في مجالات مثل اللغة والرؤية، أصبحت "نماذج التأسيس" (foundation models) مشهورة؛ وهي برامج حاسوبية ضخمة يتم تدريبها على كميات هائلة من البيانات لتعلم الأنماط الكامنة في العالم دون أن تُلقن إجابات محددة. فهي تتعلم التنبؤ بما سيأتي بعد ذلك في جملة ما أو كيف تبدو صورة ما، مما يبني فهمًا عميقًا ومرنًا يمكن تطبيقه على مهام أصغر جديدة. وقد كان الباحثون في علوم الدماغ يتوقون لتجربة هذا النهج، آملين في تدريب نماذج عملاقة مماثلة على آلاف صور مسح الدماغ ليتمكنوا من تعلم "قواعد" نشاط الدماغ العامة. وكان الأمل أن تصبح هذه النماذج أدوات قوية يمكن لأي طبيب أو عالم استخدامها لتشخيص الأمراض أو التنبؤ بمن قد يعاني من مشاكل في الذاكرة، حتى مع امتلاكهم القليل جدًا من البيانات الخاصة بهم.
وضع فريق من الباحثين حداً لاختبار ما إذا كان هذا الوعد حقيقيًا بالنسبة لتصوير الدماغ. اختاروا اثنين من أحدث وأكثر نماذج التأسيس تقدمًا في مجال التصوير بالرنني المغناطيسي الوظيفي، وهما (BrainLM) و(BrainHarmonix)، ووضعهما تحت الاختبار باستخدام مجموعة بيانات واقعية وتحديّة. جاءت هذه المجموعة من دراسة (PREVENT-AD)، التي تتابع مئات البالغين الأصحاء الذين لديهم تاريخ عائلي مع مرض الزهايمر. كان الهدف هو معرفة ما إذا كان بإمكان نماذج الذكاء الاصطناعي الجديدة هذه التفوق على الطرق القدة والموثوقة للاتصال الوظيفي عند محاولة التنبؤ بأربعة أشياء محددة: جنس الشخص، فئته العمرية، ما إذا كان سيصاب بضعف إدراكي طفيف في المستقبل، وما إذا كان لديه نوع معين من تراكم البروتين في دماغه والذي يشير إلى الزهايمر. أراد الباحثون معرفة ما إذا كانت هذه النماذج جاهزة ليستخدمها علماء مستقلون، أم أنها لا تزال صعبة التطبيق خارج المختبرات التي ابتكرتها.
بدأت الرحلة بعقبة كبيرة: فمجرد جعل النماذج تعمل على بيانات جديدة لم يكن بالأمر السهل على الإطلاق. فعندما حاول الفريق استخدام الكود البرمجي المقدم من مبتكري (BrainLM)، وجدوا أنه لا يعمل مع بياناتهم. اعتمد الكود على طريقة مخصصة ومبتكرة لتنظيف مسوحات الدماغ، وهي طريقة غير متوافقة مع الأدوات القياسية التي يستخدمها معظم علماء الأعصاب. اضطر الباحثون إلى إعادة كتابة خطوات معالجة البيانات، والتحول إلى طريقة مقبولة على نطاق واسع ومستخدمة في المجتمع العلمي الأوسع. وفقط بعد إجراء هذه التغييرات الجوهرية، بدأ النموذج في التعلم بشكل صحيح. أما النموذج الثاني، (BrainHarmonix)، فقد قدم نوعًا مختلفًا من المشكلات؛ إذ لم توضح وثائقه كيفية إعداد بيانات جديدة للنموذج، مما ترك الفريق يخمن الطريقة الصحيحة لضبط إشارات البيانات. واضطروا لاختبار عدة مقاربات مختلفة لمجرد العثور على طريقة تنتج نتائج مستقرة. سلطت هذه الصراعات الأولية الضوء على فجوة كبيرة: فبينما كانت النماذج قوية، إلا أنها لم تكن معبأة بطريقة تسمح للباحثين المستقلين باستخدامها بسهولة دون الكثير من استكشاف الأخطاء التقنية وإصلاحها.
بمجرد تشغيل النماذج، قارن الفريق تنبؤاتها بالطريقة القياسية للاتصال الوظيفي وبـ "مصنف وهمي" بسيط يقوم فقط بتخمين الإجابة الأكثر شيوعًا في كل مرة. وللتنبؤ بالجنس، كانت الطريقة القديمة للاتصال الوظيفي هي الفائزة بالفعل؛ فقد حددت جنس المشاركين بدقة أكبر مما فعلت أي من الميزات المستخرجة من نماذج التأسيس الجديدة. وبالنسبة للتنبؤ بالفئات العمرية، فإن ميزة واحدة من نموذج (BrainHarmonix)، والتي استُمدت من صور هيكلية للدماغ بدلاً من النشاط الوظيفي، أدت بشكل أفضل قليلاً من الطريقة القياسية، لكن الفرق كان ضئيلاً للغاية لدرجة أنه قد يكون ناتجًا عن الصدفة. وكانت النتائج أكثر إحباطًا فيما يتعلق بالأهداف السريرية؛ فعند محاولة التنبؤ بمن سيصاب بضعف إدراكي طفيف أو من لديه تراكم البروتين المرتبط بالزهايمر، لم يتمكن أي من نماذج التأسيس من التفوق على المصنف الوهمي البسيط من حيث الدقة الإجمالية. ويعود ذلك إلى حد كبير إلى أن مجموعات الأشخاص المصابين بهذه الحالات كانت صغيرة جدًا مقارلة بالمجموعة السليمة، مما جعل من الصعب على أي نموذج العثور على إشارة دون مجرد تخمين الأغلبية.
ومع ذلك، لم تكن القصة قصة فشل كلي، فعندما نظر الباحثون بتمعن أكبر في تفاصيل التنبؤات، وجدوا تلميحًا خفيًا من الأمل. فبينما لم تكن النماذج دقيقة بما يكفي لاستخدامها كأداة تشخيصية، إلا أن بعض الميزات من نماذج التأسيس كانت أفضل في تحديد الأشخاص القلائل الذين يعانون من المرض بالفعل مقارنة بالطريقة القياسية. بمعنى آخر، عندما كان النموذج يقدم تنبؤًا إيجابيًا، كان من المرجح قليلاً أن يكون صحيحًا، رغم أنه كان يخطئ في العديد من الحالات. وهذا يشير إلى أن النماذج قد تكون تلتقط إشارة مختلفة، وربما أكثر دقة، في بيانات الدماغ مما تفتقده الطريقة القياسية. ومع ذلك، ولأن هذه التحسينات لم تكن ذات دلالة إحصائية، لم يستطع الباحثون الادعاء بأن النماذج قد حلت المشكلة بشكل نهائي. وتشير النتائج إلى أن الانتقال القوي للمعرفة الذي شهدته النماذج اللغوية لم يتم تكراره بعد في تصوير الدماغ.
خلصت الدراسة إلى أن نماذج التأسيس هذه ليست جاهزة بعد لاعتمادها من قبل الباحثين المستقلين للاستخدام السريري. فهي تتطلب الكثير من التكيف التقني، ولم تثبت بعد قدرتها على التفوق على الطرق البسيطة الراسخة المستخدمة منذ عقود. ويرى المؤلفون أنه لكي تصبح هذه النماذج مفيدة حقًا، يحتاج المجال إلى أدوات برمجية معيارية تجعل من السهل تثبيتها وتشغيلها، ويجب أن تقارن الدراسات المستقبلية دائمًا النماذج الجديدة بالخط المرجعي للاتصال الوظيفي القياسي. وحتى ذلك الحين، يظل حلم وجود نموذج عالمي للدماغ يمكنه تشخيص الزهايمر فورًا أو التنبؤ بتراجع الذاكرة مجرد حلم، ينتظر المزيد من الاختبارات الصارمة والهندسة الأفضل ليصبح حقيقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.