UWF-FM: A Foundation Model for Comprehensive Ultra-Widefield Retinal Assessment
يُعد UWF-FM نموذجاً تأسيسياً جديداً يعتمد على التعلم الذاتي، تم تدريبه مسبقاً على أكثر من 630,000 صورة شبكية غير مصنفة ذات مجال رؤية فائق الاتساع، وهو يتفوق على النماذج الحالية غير المعتمدة على مجال الرؤية الفائق الاتساع عبر مهام سريرية وأجهزة متنوعة، مما يظهر قدرة قوية على التعميم ونجاحاً في النشر الواقعي لتعزيز الحساسية التشخيصية لدى الأطباء دون تعطيل سير العمل.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن عينك تشبه الكاميرا، ولكن بدلاً من مجرد التقاط صورة لمركز مشهد ما، يمكنها رؤية المناظر الطبيعية بأكملها، من الأفق إلى الحواف. لعقود من الزمن، استخدم الأطباء نوعاً خاصاً من مسح العين يسمى "تصوير قاع العين" لفحص الأمراض، لكن الأمر كان يشبه التقاط صورة "سيلفي": حيث كان يُظهر فقط منتصف الشبكية، مما يؤدي إلى تفويت الأشياء المهمة التي تحدث عند الحواف. ثم جاء "التصوير فائق عرض المجال" (UWF)، وهو يشبه الترقية إلى عدسة بانورامية تلتقط الفناء الخلفي للعين بأكها في لقطة واحدة. هذا يعد تغييراً جذرياً لأن العديد من مشا مشاكل العين، مثل التمزقات أو الأورام، غالباً ما تختبئ في تلك الزوايا البعيدة. ومع ذلك، فإن تعليم الكمبيوتر فهم هذه الصور البانورامية الضخمة والمعقدة أمر صعب؛ فالأمر يشبه محاولة تعليم كلب التعرف على غابة كاملة بدلاً من مجرد شجرة واحدة؛ حيث يصاب الكمبيوتر بالارتباك بسبب كل التفاصيل الجديدة. وهنا يأتي دور "نماذج التأسيس" (Foundation Models). فكر في هذه النماذج كطلاب أذكياء جداً يقرؤون ملايين الكتب (الصور) قبل أن يخوضوا أي اختبار. عادةً، يقرأ هؤلاء الطلاب كتباً عن "مركز الغابة" فقط، لذا فعندما تُقدم لهم صورة بانورامية، فإنهم يعانون. والسؤال الكبير الذي طرحه العلماء هو: هل يمكننا تدريب ذكاء اصطناعي فائق الذكاء خصيصاً على صور العين البانورامية الضخمة هذه ليصبح خبيراً حقيقياً في رصد المشكلات في أي مكان داخل العين؟
دخل UWF-FM، وهو نوع جديد من نماذج التأسيس للذكاء الاصطناعي المصممة خصيصاً لإتقان صور الشبكية فائقة عرض المجال هذه. قرر الباحثون، بقيادة فريق من جامعة ليفربول وشركاء من جميع أنحاء العالم، التوقف عن محاولة إجبار نماذج الذكاء الاصطناعي القديمة على العمل مع هذه الصور الجديدة الواسعة. بدلاً من ذلك، قاموا ببناء طالب جديد تماماً من الصفر. لقد غذوا هذا الذكاء الاصطناعي بمكتبة ضخمة مكونة من 632,627 صورة بانورامية للعين غير مصنفة. لم يكتفِ الذكاء الاصطناعي بالنظر إليها فحسب؛ بل درسها باستخدام تقنية تسمى "التعلم الخاضع للإشراف الذاتي"، وهي تشبه محاولة طالب لحل لغز من خلال النظر إلى القطع وتخمين كيفية توافقها معاً دون أن يخبره المعلم بالإجابة. ومن خلال القيام بذلك، تعلم الذكاء الاصطناعي الأنماط العميقة والخفية للشبكية بأكملها، من المركز إلى الحواف تماماً.
بمجرد "تدريب" هذا الذكاء الاصطناعي، وضعه الباحثون تحت الاختبار ليروا ما إذا كان أكثر ذكاءً من النماذج القديمة. لم يطلبوا منه مجرد العثور على شيء واحد؛ بل طلبوا منه القيام بوصف وظيفي كامل. لقد اختبروه على 27,641 زوجاً من الصور والمهام المصنفة ليروا ما إذا كان بإمكانه:
- تشخيص الأمراض: رصد 12 حالة مرضية مختلفة للعين، بما في ذلك الأورام.
- تحديد درجة الشدة: فحص مدى سوء اعتلال الشبكية السكري على مقيض من 1 إلى 5.
- إيجاد أدلة محددة: تحديد 28 نوعاً مختلفاً من نتائج الشبكية، مثل النزيف الصغير أو التمزقات، سواء كانت في المركز أو في الزوايا البعيدة.
كانت النتائج مثيرة للإعجاب. فقد تفوق نموذج UWF-FM الجديد باستمرار على نماذج الذكاء الاصطناعي الأقدم التي تم تدريبها على الصور القياسية غير واسعة المجال. كان الأمر يشبه إحضار دليل محلي يعرف الغابة بأكملها مقابل سائح يعرف المسار الرئيسي فقط. حقق النموذج الجديد درجات عالية (قيم AUC تقارب 0.90 للكشف عن الأورام و 0.94 لتشخيص الأمراض العامة)، مما يثبت أنه فهم الصورة الكاملة، وليس المنتصف فقط.
لكن الباحثين لم يتوقفوا عند هذا الحد. أرادوا معرفة ما إذا كان هذا الذكاء الاصطناعي "لاعباً بمهارة واحدة فقط" يعمل فقط على الكاميرات المحددة التي تعلم منها. لقد اختبروه على صور من مستشفيات مختلفة وحتى علامات تجارية مختلفة للكاميرات (بالانتقال من كاميرات Optos إلى كاميرات Zeiss). وحتى بدون أي تدريب إضافي أو "ضبط" لهذه الكاميرات الجديدة، ظل أداؤه أفضل من النماذج القديمة. وهذا يشير إلى أن الذكاء الاصطناعي تعلم لغة الشبكية نفسها، بدلاً من مجرد حفظ مظهر كاميرا معينة.
ولمعرفة ما إذا كان بإمكان هذا الذكاء الاصطناعي مساعدة الأطباء الحقيقيين، أجروا دراسة خاصة مع أربعة من أطباء العيون. عرضوا عليهم 600 صورة بانورامية للعين مرتين: مرة بمفردهم، ومرة بمساعدة الذكاء الاصطناعي. لم يتخذ الذكاء الاصطناعي القرارات؛ بل كان يهمس بـ "تخميناته" للأطباء فقط. عندما استخدم الأطباء مساعدة الذكاء الاصطناعي، أصبحوا أفضل في رصد الأمراض (حساسية أعلى) دون ارتكاب الكثير من الأخطاء (انخفاض طفيف جداً في النوعية). كان الأمر يشبه امتلاك مساعد شديد الملاحظة يشير إلى الأشياء التي قد يغفل عنها الأطباء، خاصة الأشياء الصعبة في الزوايا. أصبح الأطباء، وخاصة الأقل خبرة منهم، أفضل في أداء وظائفهم مع هذه المساعدة.
أخيراً، اختبر الفريق ما إذا كان بإمكان هذا الذكاء الاصطناعي العمل في مستشفى حقيقي دون التسبب في فوضى. قاموا بـ "نشر صامت" في مركز شيامن للعيون. على مدار 37,665 فحصاً متتالياً للعين على مدار شهرين، عمل الذكاء الاصطناعي في الخلفية، محللاً كل صورة. لم يقاطع الأطباء، ولم يغير سير العمل، ولم يعرض نتائجه لأي شخص خلال الاختبار. لقد عالج كل صورة بنسبة نجاح بلغت 100%، مستغرقاً حوالي 1.1 ثانية فقط لكل فحص. لقد أثبت أن هذا الذكاء الاصطناعي القوي يمكن دمجه في مستشفى مزدحم دون إحداث أي خلل.
باخت-مختصر، تشير هذه الورقة البحثية إلى أنه من خلال تدريب ذكاء اصطناعي خصيصاً على الرؤى الواسعة والواسعة النطاق للشبكية، يمكننا إنشاء أداة قوية تفهم العين بأكملها، وتعمل عبر مختلف المستشفيات والكاميرات، وتساعد الأطباء في اكتشاف المزيد من الأمراض، وتندمج بسلاسة في سير العمل الطبي الواقعي. إنها خطوة نحو مستقبل يعمل فيه الذكاء الاصطناعي كشريك رؤية بانورامي موثوق لأطباء العيون، مما يضمن عدم ترك أي جزء من الشبكية في الظلام.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.