Are Large Multimodal Models Ready for Post-Thrombectomy mTICI Assessment? A Comparison with Physicians
بينما يمكن للنماذج متعددة الوسائط الضخمة تحقيق مستوى توافق يضاهي الأطباء في تصنيف (mTICI) بعد عملية استئصال الخثرة عند تزويدها بالتقارير الإجرائية، إلا أن أداءها يعتمد بشكل كبير على المدخلات النصية وينهار بشكل ملحوظ عند تقييم الصور وحدها، مما يشير إلى أن التفسير البشري الخبير يظل ضرورياً لتقييم إعادة التروية القائم على الصور المباشرة.
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
في كل عام، يعاني الملايين من السكتات الدماغية الناتجة عن انسداد في شريان بالدماغ. وعندما ينسد وعاء دموي كبير، يمكن أن يكون الضرر سريعاً وشديداً، لكن لدى الأطباء أداة قوية لإيقافه: وهي عملية استئصال الخثرة ميكانيكياً. في هذا الإجراء، يقوم متخصص بتمرير جهاز دقيق عبر الأوعية الدموية لسحب الجلطة جسدياً. ويعتمد نجاح هذه العملية المنقذة للحياة تماماً على شيء واحد: ما إذا كان تدفق الدم قد عاد بالكامل إلى الدماغ. ولقياس ذلك، يستخدم الأطباء مقياساً معيارياً يحدد مدى جودة تنظيف الأوعية، ويتراوح من عدم وجود تدفق على الإطلاق إلى الاستعادة الكاملة. ويعد هذا التصنيف أمراً بالغ الأهمية لأنه يحدد كيفية علاج المرضى لاحقاً، وكيفية تتبع المستشفيات لنجاحها، وكيف يفهم الباحثون أفضل السبل المتبعة. ومع ذلك، فإن تعيين هذه الدرجات هو مهمة بشرية، ومثل العديد من الأحكام البشرية، يمكن أن تختلف من طبيب لآخر. ومع ازدياد قوة الذكاء الاصطناعي، برز سؤال طبيعي: هل يمكن للكمبيوتر أن ينظر إلى نفس الصور والتقار l الطبية التي يراها الطبيب ويصدر الحكم نفسه بنفس المهارة؟
لقد وضع فريق من الباحثين في مستشفى جامعة ريغنسبورغ الجامعي في ألمانيا حداً لهذا التساؤل من خلال وضع نماذج الكمبيوتر المتقدمة في مواجهة الخبراء البشر. فقد جمعوا تسعين حالة لمرضى خضعوا لإجراء إزالة الجلطة الناتجة عن انسداد في الجزء الأمامي من الدماغ. ولكل حالة، جمعوا صور التصوير الوعائي الرقمي الملتقطة قبل وبعد إزالة الجلطة، بالإضافة إلى التقرير الطبي المكتوب الذي يصف ما حدث أثناء الجراحة. ثم طلبوا من نوعين مختلفين من أنظمة الذكاء الاصطناعي تقييم نجاح الإجراء. كان أحد الأنظمة نموذجاً عام الأغراض معروفاً بمعرفته الواسعة، بينما كان الآخر نموذجاً مضبوطاً خصيصاً للمهام الطبية. ولضمان اختبار عادل، طلب الباحثون أيضاً من أربعة أطباء بشريين — اثنان من أطباء الأعصاب واثنان من أطباء الأشعة — تقييم الحالات نفسها. وقد تم اختبار الأطباء والحواسيب تحت ثلاثة سيناريوهات مختلفة: النظر فقط في التقرير المكتوب مع إخفاء الدرجة النهائية، والنظر فقط في صور التصوير الوعائي، والنظر في كل من الصور والتقرير معاً.
كشفت النتائج عن انقسام حاد بين ما يمكن لأجهزة الكمبيوتر فعله بالكلمات وما يمكنها فعله بالصور. فعندما مُنحت نماذج الذكاء الاصطناعي التقارير الإجرائية المكتوبة، كان أداؤها جيداً بشكل ملحوظ. فالنموذج عام الأغراض، على وجه الخصوص، طابق دقة المجموعة المجمعة من الأطباء البشر. فقد استطاع قراءة الأوصاف التفصيلية للجراحة وتحديد مقدار استعادة تدفق الدم بشكل صحيح، محققاً مستوى من الاتفاق مع الخبراء لا يمكن تمييزه عنهم. وفي هذا الإطار القائم على النصوص، كان الكمبيوتر موثوقاً بقدر موثوقية المتخصصين البشر. ومع ذلك، في اللحظة التي أُزيلت فيها الصور من المعادلة وطُلب من النماذج تقييم الإجراء بناءً على التقرير المكتوب وحده، ظل أداؤها قوياً. ولكن عندما انقلبت الآية وأُجبرت النماذج على النظر فقط في صور التصوير الوعائي دون أي نص مرافق، انهار أداؤها. فقد انخفضت قدرة النموذج عام الأغراض على الاتفاق مع الخبراء البشريين بشكل كبير، وكان أداء النموذج المضبوط طبياً أسوأ، حيث كان يخمن تقريباً أن معظم الإجراءات كانت ناجحة بغض النظر عما تظهره الصور.
في المقابل، لم يعانِ الأطباء البشر من هذا الانخفاض في الأداء. فسواء كانوا يقرأون التقرير أو ينظرون إلى الصور، ظلت قدرتهم على تقييم الإجراء عالية باستمرار. وهذا يشير إلى أنه بينما تبرع أنظمة الذكاء الاصطناعي في معالجة اللغة التي يستخدمها الأطباء لوصف عملهم، إلا أنها لم تتعلم بعد كيفية "رؤية" الأنماط المعقدة لتدفق الدم في الصور كما يفعل المتخصص المدرب. وتشير الدراسة إلى أن هذه النماذج تعمل حالياً كقراء متطورين يمكنهم استخراج المعلومات من قصة أكثر من كونهم مراقبين مستقلين يمكنهم تفسير البيانات المرئية. وقد وجد الباحثون أن النماذج استمدت معظم نجاحها من النص؛ إذ لم يؤدِ إضافة الصور إلى النص إلى تحسين درجاتها، وتركها بدون النص جعلها تعاني.
في نهاية المطاف، تخلص الدراسة إلى أن هذه النماذج الحاسوبية المتقدمة جاهزة للمساعدة في جوانب الأعمال الورقية واستخراج البيانات المتعلقة برعاية مرضى السكتة الدماغية، مثل سحب درجات النجاح تلقائياً من التقارير المكتوبة لأغراض البحث أو مراقبة الجودة. يمكنها المساعدة في توحيد طريقة تسجيل المعلومات. ومع ذلك، فهي ليست جاهزة بعد لتحل محل العين البشرية عندما يتعلق الأمر بالنظر في الصور نفسها. فبالنسبة للتقييم المباشر لما إذا كان قد تم فتح الوعاء الدموي بنجاح، تظل الخبرة البصرية للطبيب المدرب ضرورية. لقد وصلت التكنولوجيا إلى نقطة حيث يمكنها فهم قصة الجراحة، لكنها لا تزال غير قادرة على رؤية الصورة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.