A systematic review of quality control efforts for histopathology annotation
وجدت هذه المراجعة المنهجية لـ 16 دراسة مؤهلة أنه بينما تشتمل 62.5% من الأبحاث المتعلقة بتوسيم صور الهيستوباثولوجيا (علم الأنسجة المرضي) على جهود لمراقبة الجودة، إلا أن المجال لا يزال مجزأً مع تباين التنفيذ بين تدابير مراقبة الجودة، أو الميزات، أو كليهما معاً.
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
في عالم التشخيص الطبي، يُعد عالم الأمراض (الباثولوجي) بمثابة محقق يفحص شرائح رقيقة من الأنسجة تحت المجهر للعثور على علامات المرض. ولتعليم الحواسيب القيام بهذا العمل، يجب على العلماء أولاً عرض آلاف الصور لهذه الأنسجة عليهم، مع رسم خطوط بدقة حول الأجزاء المهمة لتعليم الآلة ما الذي يجب أن تبحث عنه. تُسمى عملية رسم هذه الخطوط بـ "التوسيم" (annotation). ومع ذلك، تماماً كما يمكن للإنسان أن يرتكب خطأً عند تحديد معالم خريطة، يمكن للحاسوب أو للموسّم البشري أن يخطئ في تحديد خلية أو يغفل عن ورم. وإذا تعلم الحاسوب من هذه الأخطاء، فستكون تشخيصاته المستقبلية معيبة. ولمنع حدوث ذلك، يستخدم الباحثون إجراءات وأدوات محددة لضمان صحة التسميات. وتتضمن هذه الفحوصات، المعروفة باسم تدابير ضبط الجودة، مراجعة البشر للعمل، بينما الأدوات، التي تسمى ميزات ضبط الجودة، هي الأزرار والقوائم التي تسمح للمراجع بقبول التسمية، أو رفضها، أو طلب إصلاحها. وبدون هذه الضمانات، قد يتم تدريب أطباء المسالك الرقميين في المستقبل على معلومات مغلوطة.
تتناول مراجعة منهجية حديثة أجراها أوليفيه روكوندو، وهو باحث في جامعة ليمريك والجامعة الطبية في فيينا، نظرة فاحصة على مدى جودة استخدام شبكات الأمان هذه في مجال علم أمراض الأنسجة (histopathology) تحديداً، وهو دراسة عينات الأنسجة. لم تقم الدراسة بإنشاء برمجيات جديدة أو إجراء تجارب جديدة؛ بل عملت كتدقيق شامل للأبحاث القائمة. بحث المؤلف في خمس قواعد بيانات علمية رئيسية، ملقياً شبكة واسعة لالتقاط أي دراسة تناولت كيفية التحقق من جودة تسميات صور الأنسجة. وبعد العثور على مائة وواحد وعشرين سجلاً محتملاً، قام الباحث بتصفيتها بعناية، حيث استبعد الأوراق المتكررة، وأوراق المؤتمرات التي تفتقر إلى التفاصيل، والدراسات التي لا تصف فعلياً طريقة للتحقق من الجودة. وقد أسفرت هذه العملية الصارمة عن مجموعة نهائية مكونة من ست عشرة دراسة استوفت المعايير الصارمة للإدراج.
صنفت المراجعة هذه الدراسات الست عشرة إلى ثلاث مجموعات متميزة بناءً على ما تقدمه. ركزت بعض الدراسات بشكل أساسي على الجانب البشري لضبط الجودة، مقترحةً طرقاً للخبراء لمراجعة وتصحيح التوسيمات. وركزت دراسات أخرى على جانب البرمجيات، حيث قدمت ميزات رقمية تساعد المستخدمين على تحديد ما إذا كانت التسمية جيدة أم سيئة. أما المجموعة الثالثة فقد جمعت بين النهجين، حيث قدمت نظاماً يعمل فيه المراجعة البشرية والأدوات الرقمية معاً. وكشفت النتائج عن انقسام واضح في هذا المجال؛ فبشكل عام، طبقت 62.5% من الدراسات جهود ضبط الجودة لتوسيم صور علم أمراض الأنسجة، بينما لم تفعل 37.5% من الدراسات ذلك. ويشير هذا إلى أنه بينما يدرك غالبية الباحثين الحاجة إلى هذه الضمانات، فإن جزءاً كبيراً من العمل في هذا المجال لا يزال يمضي قدماً دون وجود نظام رسمي لرصد الأخطاء.
أظهرت الدراسات التي طبقت هذه الفحوصات تنوعاً في الأساليب المتبعة. فقد اعتمد بعضها على التعاون البشري، حيث يقوم أطباء الأمراض بمراجعة عمل بعضهم البعض، أو حيث يشرف أطباء كبار ذوو خبرة على التوسيمات التي يقوم بها الأطباء المبتدئون. كما قدمت دراسات أخرى أدوات برمجية تعمل بمثابة "عين ثانية". فعلى سبيل المثال، استخدمت بعض البرامج الذكاء الاصطناعي لاقتراح مكان رسم الهيكل، مما يسمح للإنسان ببساطة بقبول الاقتراح أو تصحيحه إذا كان خاطئاً. وصُممت أدوات أخرى لرصد التناقضات، حيث تقوم بتحديد المناطق التي قام فيها أشخاص مختلفون بتسمية نفس الصورة بشكل مختلف حتى يمكن اتخاذ قرار نهائي. وفي الأمثلة الأكثر تقدماً، يعمل البرنامج والإنسان في حلقة وصل: يقوم الحاسوب بتقديم اقتراح، ويقوم الإنسان بمراجعته، ثم يسجل النظام ما إذا كان الإنسان قد قبل التغيير أو رفضه، مما يخلق دورة مستمرة من التحسين.
وعلى الرغم من التقدم الذي أظهرته غالبية الدراسات التي تمت مراجعتها، إلا أن المراجعة تسلط الضوء على أن المجال ليس موحداً بعد. إن حقيقة أن أكثر من ثلث الدراسات المشمولة لم تطبق جهود ضبط الجودة هذه تشير إلى أن العديد من المشاريع قد لا تزال تبني مجموعات بياناتها دون وجود طريقة قوية للتحقق من الدقة. ولا تدعي المراجعة أن المشكلة قد حُلت أو أن هناك طريقة مثالية واحدة؛ بل هي ترسم الخريطة الحالية للمجال، موضحة أنه بينما يعمل العديد من الباحثين بنشاط على تطوير طرق لضمان نظافة بياناتهم، لا تزال هناك فجوة في التبني. ويعمل هذا العمل كتذكير بأنه لكي تصبح الحواسيب شركاء موثوقين في التشخيص الطبي، يجب دعم الجهد البشري لتوسيم بيانات التدريب بفحوصات متسقة وصارمة، سواء كانت تلك الفحوصات تأتي من طبيب أمراض خبير أو من أداة رقمية مصممة لرصد الخطأ.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.