Fractal Geometry–Driven Hybrid Framework for Automated Skin Lesion Analysis and Classification

يعد سرطان الجلد خصماً شرساً، فهو لا يحصد الأرواح لأنه غير قابل للعلاج، بل لأنه غالباً ما يُكتشف في وقت متأخر جداً. ويعد الميلانوما (الورم الميلانيني)، وهو الشكل الأكثر خطورة، سريع الانتشار بمجرد خروجه من سطح الجلد، مما يجعل القدرة على رصده في مراحله الأولى والأكثر قابلية للشفاء مسأه أمراً يتعلق بالحياة أو الموت. لعقود من الزمن، اعتمد الأطباء على العين المجردة وأداة تكبير متخصصة تسمى "الدرموسكوب" لفحص الشامات المشبوهة، بحثاً عن علامات التباين واللاانتظام. ومع ذلك، لا تزال هذه العملية بشرية للغاية، وتخضع لخبرة المراقب والاختلافات الطفيفة في كيفية تفسير الأطباء المختلفين لنفس الصورة. وفي السنوات الأخيرة، بدأت الحواسيب بالمساعدة، باستخدام خوارزميات معقدة لمسح هذه الصور بحثاً عن أنماط غير مرئية للعين البشرية. ومع ذلك، غالباً ما تعمل هذه المساعدات الرقمية كـ "صناديق سوداء"، حيث تقدم تشخيصاً دون شرح كيفية الوصول إليه، كما أنها تتطلب في كثير من الأحيان كميات هائلة من البيانات للتعلم، وهو مورد نادر في الطب. ويسعى نهج جديد لسد هذه الفجوة من خلال تعليم الحواسيب رؤية الآفات الجلدية كما تفعل الطبيعة، باستخدام مفهوم رياضي يصف مدى تعقيد وخشونة الأشياء، ودمج ذلك مع الذكاء الاصطناعي الحديث لإنشاء نظام يتسم بالقوة والوضوح في آن واحد.

اقترح الباحثون وراء هذه الدراسة، الذين يعملون عبر مؤسسات في الهند وإثيوبيا، إطار عمل هجين يجمع بين طريقتين متميزتين في الرؤية. فمن ناحية، استخدموا التعلم العميق، وهو نوع من الذكاء الاصطناعي الذي يحاكي قدرة الدماغ البشري على التعرف على الأنماط في الصور. ومن ناحية أخرى، لجأوا إلى الهندسة الكسرية (الفراكتلية)، وهي فرع من الرياضيات يحدد كمياً خشونة وعدم انتظام الأشكال الموجودة في الطبيعة. فبينما تمتلك الدائرة الناعمة حافة بسيطة يمكن التنبؤ بها، فإن الساحل المتعرج أو الورقة المعقدة له حدود مفصلة بشكل لانهائي ومتشابه ذاتياً عند مستويات مختلفة؛ وهذا هو "الكسر" (الفركتل). وقد استنتج الفريق أن الآفات الجلدية الخبيثة، التي تتسم بالفوضى وعدم النظام، تمتلك درجة أعلى بكوثير من هذا التعقيد الهندسي مقارم الشامات الحميدة أو غير الضارة. ومن خلال قياس هذا النوع المحدد من الخشونة، استطاعوا تزويد الحاسوب بمجموعة من القواعد السليمة رياضياً وذات المعنى سريرياً، بدلاً من تركه يخمن بناءً على ملايين الأمثلة.

ولاختبار هذه الفكرة، بنى الفريق مساراً تشخيصياً يقوم أولاً بتنقية الصور الخام للآفات الجلدية، وإزالة المشتتات مثل الشعر أو الإضاءة غير المتساوية، ثم يعزل الشامة بعناية عن الجلد المحيط بها. وبمجرد تحديد الآفة بوضوح، يقوم النظام بتحليل مزدوج؛ حيث يستخرج سمات النسيج التقليدية، مثل توزيع الألوان والشكل، ويحسب أيضاً مجموعة من القياسات الكسرية. وتشمل هذه القياسات تعقيد حدود الآفة، وخشونة سطحها الداخلي، وتوزيع الفجوات داخل نسيجها. ثم يتم دمج هذه الواصفات الرياضية مع الأنماط البصرية عالية المستوى التي تعلمتها الشبكات العصبية العميقة. ولا يكتفي النظام بمجرد جمع هذه الأرقام معاً، بل يستخدم آلية وزن ذكية لتحديد السمات الأكثر أهمية لتشخيص معين، مما يسمح للدقة الرياضية للكسور بتوجيه التعرف الواسع على الأنماط الذي يقوم به الذكاء الاصطناعي.

كانت نتائج هذه التجربة مذهلة. فعندما اختبر الباحثون نظامهم الهجين على ثلاث مجموعات رئيسية متاحة للجمهور من صور الجلد — وهي أرشيف ISIC الذي يحتوي على أكثر من 25,000 صورة، ومجموعة بيانات HAM10000 التي تضم أكثر من 10,000 صورة، ومجموعة بيانات PH2 التي تضم 200 صورة — تفوق الجمع بين الهندسة الكسرية والتعلم العميق على جميع الطرق الأخرى. حقق النظام الذي يعتمد فقط على السمات اليدوية التقليدية دقة تقارب 87 بالمائة، بينما وصل النظام الذي يستخدم التعلم العميق وحده إلى حوالي 94 بالمائة. ومع ذلك، عندما أضيفت القياسات الكسرية إلى نموذج التعلم العميق، ارتفعت الدقة إلى 97.8 بالمائة. لم يكن هذا التحسن مجرد زيادة طفيفة، بل مثل قفزة نوعية في القدرة على التمييز بين الآفات الخطيرة وغير الضارة. كما أثبت النظام موثوقية عالية، حيث حقق درجة 99.1 بالمائة في مقياس جودة التشخيص الإجمالية المعروف باسم "المساحة تحت المنحنى"، وهو معيار مرجعي للاختبارات الطبية. ولعل الأهم من ذلك بالنسبة للاستخدام السريري، هو أن النظام حافظ على هذا الأداء العالي حتى عند اختباره على بيانات لم يسبق له رؤيتها، مما يشير إلى إمكانية عمله بفعالية في المستشفيات الواقعية حيث تختلف ظروف الصور بشكل كبير.

وبعيداً عن الأرقام الخام، تقدم الدراسة ميزة حاسمة في الشفافية. فبما أن السمات الكسرية تعتمد على تعريفات رياضية ملموسة لعدم الانتظام والخشونة، فهي تتوافق مباشرة مع الإشارات البصرية التي يبحث عنها الأطباء بالفعل، مثل قاعدة ABCDE المتعلقة بعدم التماثل وعدم انتظام الحدود. وهذا يعني أن الحاسوب لا يعطي حكماً فحسب، بل يقدم سبباً يمكن للإنسان فهمه. وقد وجد الباحثون أن الواصفات الكسرية كانت جيدة بشكل خاص في التقاط الطبيعة الفوضوية للنمو الخبيث، مما سد الفجوات التي قد يغفل عنها التعلم العميق أحياناً، خاصة عندما تكون البيانات محدودة. كما أثبت النظام كفاءة حسابية، حيث لم يضف سوى أجزاء من الملي ثانية إلى الوقت المستغرق لتحليل الصورة، مما يجعله قابلاً للاستخدام في العيادات المزدحمة أو حتى على الأجهزة المحمولة في المستقبل.

وعلى الرغم من أن الدراسة واعدة، إلا أن المؤلفين يشيرون بحذر إلى أن النظام ليس منتجاً نهائياً جاهزاً للنشر الفوري دون مزيد من العمل. إذ تعتمد دقة العملية برمتها بشكل كبير على الخطوة الأولية المتمثلة في عزل الآفة بشكل صحيح عن الجلد، كما أن الحسابات الرياضية المطلوبة لبعض المقاييس الكسرية قد تكون مرهقة لموارد الحاسوب. علاوة على ذلك، أجريت الدراسة على مجموعات بيانات موجودة، وستكون الخطوة التالية هي اختبار النظام في بيئات سريرية حية مع مجموعات متنوعة من المرضى. ومع ذلك، فإن النتائج تشير إلى مسار واضح للمستقبل في طب الأمراض الجلدية. فمن خلال ترسيخ الذكاء الاصطناعي في الواقع الرياضي لكيفية نمو الآفات الجلدية وسلوكها، يوفر هذا النهج الهجين وسيلة لجعل الأدوات التشخيصية ليست فقط أكثر ذكاءً، بل أيضاً أكثر موثوقية، مما قد ينقذ الأرواح من خلال اكتشاف السرطان في وقت مبكر وبدرجة أكبر من اليقين.