Construction of a Multi-Class Intelligent Diagnostic System for Thyroid Follicular Carcinoma, Lymphoma, and Follicular Adenoma Based on Improved Swin-Transformer and Ultrasound Radiomics

تخيل أنك محقق يحاول حل لغز، ولكن بدلاً من بصمات الأصابع أو آثار الأقدام، فإن أدلتك هي أنماط صغيرة ومتعرجة داخل جسم ما. هذا هو عالم التصوير الطبي، حيث يستخدم الأطباء الموجات الصوتية (الموجات فوق الصوتية) للتلصص داخلنا دون إجراء جرح واحد. أحياناً، تبدو كتلة في الغدة الدرقية كأنها نتوء غير ضار، وأحياناً أخرى تكون "مثير للمشاكل" وخطيرة. الجزء الصعب؟ بعض هذه الكتل الخطيرة تبدو متطابقة تقريباً مع الكتل غير الضارة في صورة الموجات فوق الصوتية القياسية. الأمر يشبه محاولة التمييز بين ماسة حقيقية وقطعة زجاج مقنعة جداً بمجرد النظر إليها في ضوء خافت. لسنوات، كان على الأطباء التخمين، مما أدى غالباً إلى عمليات جراحية غير ضرورية أو علاج مفقود. ولكن الآن، يعلم العلماء الحواسيب كيف تكون محققين أفضل حتى من أكثر العيون البشرية خبرة، باستخدام نوع خاص من "الدماغ الرقمي" الذي يمكنه رؤية أنماط لا نستطيع نحن رؤيتها.

تخبرك هذه الورقة البحثية قصة نظام حاسوبي جديد فائق الذكاء مصمم لحل أحد أصعب ألغاز الغدة الدرقية: التمييز بين ثلاثة أنواع محددة من الكتل التي تبدو متشابهة جداً. اثنان منها أنواع مختلفة من السرطان (أحدهما يسمى سرطان الجريبات - Follicular Carcinoma، والآخر نادر يسمى الليمفوما - Lymphoma)، وواحد عبارة عن نمو حميد (ورم جريبي - Follicular Adenoma). الفرق مهم جداً لأن النوع النادر يحتاج إلى دواء، وليس جراحة، بينما النوع الآخر من السرطان يحتاج إلى جراحة. لقد بنى الباحثون "محققاً رقمياً" يجمع بين أداتين قويتين: محلل صور عالي التقنية ينظر إلى الصورة بأكملها، و"ماسح ملمسي" يعد التفاصيل الدقيقة في الموجات الصوتية. لقد علموا هذا النظام باستخدام أكثر من 1,200 حالة حقيقية لمرضى، واختبروه على مجموعة جديدة مكونة من 260 مريضاً من مستشفى مختلف للتأكد من أنه لم يكن يحفظ الإجابات فحسب.

النتائج مثيرة للإعجاب. حدد النظام الحاسوبي النوع الصحيح من الكتلة بدقة بلغت حوالي 91% في الاختبار الأول، وحوالي 87% في المجموعة الجديدة والمختلفة من المرضى. وهذا أفضل من الطرق القياسية المستخدمة اليوم، بل وأفضل حتى من عمل طبيبين استشاريين يعملان بمفردهما. عندما استخدم الأطباء الحاسوب كمساعد، قفزت دقة نتائجهم بنحو 11 نقطة مئوية، كما أصبحوا أكثر اتفاقاً مع بعضهم البعض. لم يكتفِ النظام بالتخمين؛ بل أظهر طريقة عمله من خلال تسليط الضوء على النقاط الدقيقة في صورة الموجات فوق الصوتية التي قدمت له الأدلة، وهو ما طابق الأماكن التي نظر إليها الخبراء البشريون. وبينما يقر الباحثون بأنهم بحاجة لاختبار هذا على عدد أكبر من الناس ومع أنواع مختلفة من أجهزة الموجات فوق الصوتية للتأكد تماماً، إلا أن نتائجهم تشير إلى أن هذه الأداة الجديدة يمكن أن تساعد الأطباء في تجنب العمليات الجراحية غير الضرورية وإرسال المرضى إلى العلاج الصحيح بشكل أسرع.

أدوات المحقق: كيف يعمل النظام

لفهم كيفية عمل هذا النظام الجديد، تخيل أنك تحاول تحديد هوية مشتبه به في حشد. لديك طريقتان للقيام بذلك:

1. الصورة الكبيرة: تنظر إلى الشخص بأكمله، طوله، وطريقة مشيته. هذا ما يفعله الـ Swin-Transformer. إنه نوع من الذكاء الاصطناعي الذي ينظر إلى صورة الموجات فوق الصوتية بأكملها، ويفهم الأشكال الكبيرة وكيفية ارتباط الأجزاء المختلفة من الصورة ببعضها البعض.
2. التفاصيل الدقيقة: تقوم بعمل زووم (تكبير) على ملمس ملابسه أو النمط المحدد لأحذيته. هذا ما تفعله الـ Radiomics. فهي تفكك الصورة إلى آلاف الأرقام الرياضية الصغيرة التي تصف الملمس، والسطوع، وأنماط الموجات الصوتية—أشياء لا تستطيع العين البشرية رؤيتها ولكن يستطيع الحاسوب عدّها.

كانت المشكلة في أنظمة الذكاء الاصطناعي السابقة هي أنها كانت تقوم عادةً بلصق هاتين القطعتين من المعلومات معاً، مثل لصق صورة بجانب قائمة من الأرقام. أحياناً كانت الصورة "صاخبة" جداً، فتم تجاهل قائمة الأرقام. وأحياناً كانت القائمة طويلة جداً، فُضيعت الصورة.

"الغراء الذكي" الجديد

ابتكر مؤلفو هذه الورقة طريقة جديدة لدمج هذه الأدوات، أطلقوا عليها اسم الدمج الموزون التكيفي (Adaptive Weighted Fusion - AWF). فكر في هذا كخلاط ذكي. بدلاً من مجرد سكب الصورة والقائمة في وعاء، يحتوي هذا الخلاط على مستشعر خاص. لكل مريض على حدة، يسأل: "هل تحتاج هذه الحالة المحددة إلى مساعدة أكثر من الصورة الكبيرة، أم مساعدة أكثر من التفاصيل الدقيقة؟"

• إذا كانت الصورة ضبابية ولكن الملمس واضح، يقوم الخلاط برفع مستوى صوت الملمس.
• إذا كان الملمس مشوشاً (صاخباً) ولكن الشكل واضح، يقوم برفع مستوى صوت الشكل.

هذا "الغراء الذكي" يسمح للحاسوب بالاستماع إلى الأدلة الصحيحة لكل حالة محددة، بدلاً من استخدام نهج واحد يناسب الجميع. كما أضافوا وحدتين خاصتين لمساعدة الحاسوب على التركيز بشكل أفضل: إحداهما تنظر إلى الصورة بأحجام مختلفة (مثل التكبير والتصغير)، والأخرى تعمل مثل كشاف الضوء، حيث تسلط الضوء على الأجزاء الأكثر أهمية في الصورة وتتجاهل ضجيج الخلفية.

الاختبار الكبير: هل يمكنه هزيمة الخبراء؟

لم يكتفِ الباحثون ببناء النظام فحسب؛ بل أخضعوه لتجربة صارمة.

• التدريب: قاموا بتغذية النظام ببيانات من 1,224 مريضاً.
• الاختبار: اختبروه على مجموعة جديدة تضم 184 مريضاً من نفس المستشفى.
• التحقق من الواقع: اختبروه على 260 مريضاً من مستشفى آخر باستخدام أجهزة موجات فوق صوتية مختلفة. وهذا أمر بالغ الأهمية لأنه يثبت أن النظام لا يحفظ صور المستشفى الأول فحسب، بل يتعلم بالفعل قواعد المرض.

النتائج:

• الدقة: حقق الحاسوب نسبة نجاح بلغت 90.76% في الاختبار الداخلي و 87.31% في الاختبار الخاري.
• التفوق على المعايير: كان النظام أفضل بشكل ملحوظ من ست طرق أخرى شائعة للذكاء الاصطناعي ومن نظام "Swin-Transformer" القياسي بدون ترقياتهم الخاصة.
• مساعدة البشر: عندما استخدم طبيبان استشاريان (أحدهما بخبرة 10 سنوات والآخر 8 سنوات) الحاسوب كـ "رأي ثانٍ"، ارتفحت دقتهما بمتوسط 10.60 نقطة مئوية. قبل استخدام الحاسوب، كانا يتفقان مع بعضهما بنسبة 65% تقريباً؛ ومع استخدام الحاسوب، ارتفع اتفاقهما إلى 82%.

لماذا هذا مهم (وما الذي لا يستطيع فعله بعد)

الجزء الأكثر إثارة في هذه القصة هو أن الحاسوب بارع بشكل خاص في رصد الليمفوما الأولية للغدة الدرقية (PTL). هذا نوع نادر من السرطان يبدو مثل النوعين الآخرين ولكنه يتطلب علاجاً كيميائياً بدلاً من الجراحة. إذا أخطأ الطبيب وظنه من الأنواع الأخرى، فقد يخضع المريض لعملية جراحية دون داعٍ. لقد حدد الحاسوب هذا النوع النادر بدقة عالية جداً (حوالي 97% في الاختبار الداخلي)، مما يشير إلى أنه يمكن أن يكون نظام إنذار مبكر منقذ للحياة.

ومع ذلك، يحرص المؤلفون على عدم القول بأن هذا النظام هو عصا سحرية تحل كل شيء.

• ليس مثالياً: لا تزال هناك بعض الأخطاء، خاصة عندما تبدو الكتلة السرطانية مشابهة جداً للكتلة الحميدة.
• يحتاج إلى مزيد من البيانات: كانت مجموعة المرضى المصابين بالليمفوما النادرة صغيرة (131 في المجموعة الرئيسية). ويقول المؤلفون إنهم بحاجة لاختباره على عدد أكبر من الناس للتأكد تماماً من أنه يعمل للجميع.
• هو مساعد وليس بديلاً: تم تصميم النظام لمساعدة الأطباء، وليس لاستبدالهم. فقد جاءت أفضل النتائج عندما استخدم الأطباء نصيحة الحاسوب للتدقيق في عملهم الخاص.

باختاً، تُظهر هذه الورقة البحثية أنه من خلال تعليم الحواسيب كيفية النظر إلى كل من الصورة الكبيرة والتفاصيل الدقيقة، ومن خلال السماح لها بتقرير أي الأدلة هي الأكثر أهمية لكل مريض، يمكننا بناء أداة تساعد الأطباء على اتخاذ قرارات أفضل وأسرع وأكثر دقة لمرضى الغدة الدرقية. إنها خطوة واعدة نحو مستقبل يخضع فيه عدد أقل من الناس لجراحات غير ضرورية ويحصل فيه عدد أكبر من المرضى على العلاج الصحيح فوراً.