Transformer Architectures for Respiratory Sound Analysis and Multimodal Diagnosis
تقترح هذه الورقة إطاراً تشخيصياً متعدد الوسائط يستخدم محولات المخططات الطيفية الصوتية ونماذج الرؤية واللغة لتحليل أصوات الجهاز التنفسي والبيانات الوصفية للمريض، مما يظهر دقة وتفسيراً فائقين مقارنة بسماع الطبيب التقليدي والنهج السابقة القائمة على الشبكات العصبية التلافيفية لتشخيص الربو والمراقبة عن بعد.
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
يعد الاستماع إلى أنفاس المريض أحد أقدم الأدوات في حقيبة الطبيب. فلقرون مضت، كان الأطباء يضعون آذانهم أو سماعاتهم الطبية على الصدر للكشف عن الحشرجة الخفية للسوائل، أو الصفير عالي النبرة الناتج عن ضيق الممرات الهوائية، أو الصمت الناعم للرئتين السليمتين. تعتمد هذه الممارسة، المعروفة باسم "التسمع"، كلياً على الأذن البشرية وخبرة المستمع. ورغم قيمتها الكبيرة، إلا أنها عملية ذاتية أيضاً؛ فقد يسمع طبيبان شيئين مختلفين في النفس نفسه، ويمكن أن يعتمد التشخيص بشكل كبير على مقدار التدريب الذي تلقاه الطبيب. ومع إصابة ملايين الأشخاص بأمراض الجهاز التنفسي مثل الربو، سعى المجتمع الطبي منذ فترة طويلة لإيجاد وسيلة لجعل عملية الاستماع هذه أكثر موضوعية واتساقاً وسهولة في الوصول إليها، خاصة للأطفال الصغار أو أولئك الذين يعيشون في مناطق نائية حيث يندر وجود المتخصصين.
في السنوات الأخيرة، لجأ العلماء إلى الحواسيب للمساعدة في عملية الاستماع. ومن خلال تحويل صوت التنفس إلى خريطة بصرية تسمى "المخطط الطيفي" (spectrogram) — حيث يمثل الوقت المحور الأفقي في الأسفل ويمثل حدة الصوت المحور الرأسي — يمكن للباحثين التعامل مع النفس كصورة. وهذا يسمح لهم باستخدام برامج حاسوبية قوية، صُممت في الأصل للتعرف على القطط أو السيارات في الصور الفوتوغرافية، لتحديد أنماط الأمراض. ومع ذلك، فإن هذه المحاولات المبكرة اعتمدت غالباً على نماذج حاسوبية قديمة تنظر إلى الصوت فقط، وتتجاهل بقية قصة المريض، مثل عمره أو جنسه. علاوة على ذلك، كان من الصعب مقارنة البرامج الحاسوبية المختلفة لأنها كانت تُختبر غالباً على مجموعات بيانات مختلفة، مما جعل من الصعب معرفة أي منها يعمل بشكل أفضل حقاً.
قام فريق من الباحثين من جامعة بن غوريون في إسرائيل وجامعة بيرم الحكومية الطبية في روسيا بمحاولة حل هذه المشكلات عبر اختبار الجيل الأحدث من النماذج الحاسوبية على مجموعة واحدة مشتركة من بيانات المرضى. أرادوا معرفة ما إذا كان الذكاء الاصطناعي الحديث يمكنه ليس فقط الاستماع إلى أصوات التنفس، بل وفهم سياق المريض أيضاً، محاكياً بذلك الطريقة التي يجمع بها الطبيب البشري بين ما يسمعه وما يعرفه عن الشخص. ويركز عملهم على التمييز بين المرضى المصابين بالربو وغير المصابين به، وهي مهمة بالغة الأهمية لإدارة حالة تصيب ما يصل إلى 29 بالمائة من السكان في دول مختلفة.
جمع الباحثون مجموعة كبيرة من التسجيلات لأكثر من 1,300 مشارك، تتراوح أعمارهم من الرضع إلى البالغين. التقطت هذه التسجيلات صوت التنفس الهادئ من أربعة مواضع مختلفة في الجسم: الفم، والقصبة الهوائية، والصدر، والظهر. وكان كل تسجيل مصحوباً بمعلومات منظمة عن المريض، بما في ذلك عمره وجنسه ومكان أخذ الصوت. قام الفريق بتغذية هذه البيانات في ثلاثة أنواع مختلفة من النماذج الحاسوبية لمعرفة أي منها يمكنه تشخيص الربو بدقة أكبر.
النموذج الأول الذي اختبروه هو نوع معروف من البرامج الحاسوبية يُعرف بالشبكة العصبية الالتفافية، وتحديداً نسخة تسمى "DenseNet201". وقد استُخدم هذا النموذج في عملهم السابق وكان بمثابة خط أساس موثوق؛ حيث نظر فقط إلى الخريطة البصرية للصوت، متجاهلاً التفاصيل الشخصية للمريض. أما النموذج الثاني، فهو نظام متطور يسمى "محول المخطط الطيفي الصوتي" (Audio Spectrogram Transformer). صُمم هذا النموذج خصيصاً لفهم أنماط الصوت، وقد تم تدريبه على مكتبات صوتية هائلة قبل تكييفه لهذه المهمة الطبية. أما النموذج الثالث، فكان نظاماً متعدد الوسائط يجمع بين الرؤية واللغة يسمى "Moondream2". كان هذا هو المحاولة الأكثر طموحاً؛ فقد صُمم لينظر إلى خريطة الصوت وفي الوقت نفسه يقرأ وصفاً نصياً لعمر المريض وجنسه وموقع التسجيل، آملين أن يؤدي الجمع بين هذين التدفقين من المعلومات إلى تشخيص أفضل.
كشفت النتائج عن فائز واضح. فقد تفوق نموذج الصوت المتخصص، "محول المخطط الطيفي الصوتي"، على جميع النماذج الأخرى بدقة مذهلة. حيث حقق نسبة نجاح بلغت 98.7% في كل من الدقة، والحساسية، والنوعية، ومقياس F1، مع مؤشر "يودن" (Youden Index) بلغ 0.974. وكان هذا الأداء أعلى بكثير من نموذج "DenseNet" القديم، الذي كان صحيحاً بنسبة 87 بالمائة تقريباً. أما النموذج متعدد الوسائط، "Moondream2"، فقد كان أداؤه مشابهاً للنموذج القديم، حيث حقق دقة تبلغ حوالي 86.5 بالمائة. ومن المثير للاهتمام أن الباحثين وجدوا أن النموذج متعدد الوسائط اعتمد بشكل كبير على المعلومات النصية المقدمة له؛ فعندما أزالوا عمر المريض وجنسه من المدخلات، انهار قدرة النموذج على تشخيص الربو، حيث أنتج أخطاء في كل حالة ربو. وهذا يشير إلى أنه بينما يمكن للنموذج استخدام النص لاتخاذ قرار، إلا أنه واجه صعوبة في تعلم أنماط الصوت بمفرده بنفس الفعالية التي يتمتع بها النموذج المصمم خصيصاً للصوت.
كما بحثت الدراسة في كيفية اتخاذ هذه النماذج الحاسوبية لقراراتها، وهي خطوة حاسمة لكسب ثقة الأطباء. بالنسبة للنموذج الأقدم، استطاع الباحثون استخدام تقنية تبرز الأجزاء المحددة من خريطة الصوت التي أدت إلى التشخيص، تماماً مثل الخريطة الحرارية التي توضح أين ركزت الكاميرا. أما بالنسبة لنموذج الصوت الجديد، فقد حللوا آليات الانتباه الداخلية لمعرفة الأجزاء التي كان الحاسوب يركز عليها من الصوت. ووجدوا أن كلا النموذجين ركزا على نفس نطاق التردد، ما بين 800 و1800 هرتز تقريباً، وتحديداً خلال الدورة الثالثة من التنفس. هذا الاتساق يشير إلى أن الحواسيب لا تخمن عشوائياً، بل تكتشف بالفعل السمات الصوتية الفيزيائية التي يستمع إليها الأطباء.
خلص الباحثون إلى أنه بينما يعد دمج تفاصيل المريض مع تحليل الصوت خطوة منطقية، فإن الجيل الحالي من النماذج العامة التي تحاول القيام بالأمرين معاً قد لا يكون فعالاً مثل النموذج المصمم خصيصاً للصوت. لقد أثبت نموذج الصوت المتخصص أنه قادر على تعلم فروق أمراض الجهاز التنفسي من الصوت وحده، متجاوزاً أداء التسمع البشري المسجل في الأدبيات الطبية. وتشير النتائج إلى أن مستقبل التشخيص بمساعدة الحاسوب قد يكمكمن في استخدام أدوات متخصصة للغاية لمهام محددة، بدلاً من محاولة بناء نظام واحد يقوم بكل شيء. وتوفر هذه النماذج مساراً واعداً للمراقبة المستمرة وعن بُعد للمرضى، مما قد يسمح بالكشف المبكر عن نوبات الربو وتوفير رعاية أكثر اتساقاً للناس في كل مكان، بغض النظر عن مدى وصولهم إلى المتخصصين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.