Explainable Artificial Intelligence in Radiological Imaging: Bridging Computational Explanations and Radiological Reasoning
تحدد هذه الورقة فجوة حرجة بين مخرجات الذكاء الاصطناعي القابل للتفسير الحسابي والاستدلال الإشعاعي في التصوير الطبي، مقترحةً إطار عمل "تكامل الذكاء الاصطناعي الإشعاعي القابل للتفسير" (XRAI) المكون من ست طبقات لسد هذه الفجوة عبر مواءمة التفسيرات التقنية مع السياق السريري، وسير العمل، والحوكمة.
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 عالم التصوير الطبي الهادئ وعالي المخاطر، وصل نوع جديد من المساعدين. فبدأ أطباء الأشعة، وهم الأطباء الذين يقرؤون صور الأشعة السينية، والأشعة المقطعية، والرنين المغناطيسي، يعتمدون بشكل متزايد على الذكاء الاصطناائي للمساعدة في رصد أمراض مثل السرطان أو الالتهاب الرئوي. وتتمتع هذه الأنظمة الحاسوبية ببراعة ملحوظة في إيجاد الأنماط في الصور التي قد تخفى على العين البشرية، وغالبًا ما تضاهي دقة المتخصصين ذوي الخبرة أو حتى تتفوق عليها. ومع ذلك، تعمل هذه الأنظمة مثل "الصندوق الأسود"؛ فهي تأخذ صورة كمدخلات وتنتج تشخيصًا كمخرجات، لكنها نادرًا ما تشرح كيف توصلت إلى تلك النتيجة. وبالنسبة للطبيب، فإن معرفة أن الآلة واثقة ليست كافية؛ بل يحتاج هو إلى فهم السبب. فإذا حدد الحاسوب بقعة في الرئة على أنها خطيرة، يجب أن يعرف الطبيب ما إذا كان الحاسوب يتفاعل مع ورم حقيقي، أو ظل غير ضار، أو خلل في الصورة. وبدون هذا الوضوح، لا يمكن الوثوق بهذه التكنولوجيا بأمان في المستشفى. وهنا يأتي دور مجال "الذكاء الاصطناعي القابل للتفسير"، الذي يحاول فتح الصندوق الأسود وإظهار المنطق الكامن وراء قرار الآلة.
لقد شرع فريق من الباحثين من جامعات في سريلانكا والهند والمملكة المتحدة في استقصاء مدى فعالية أدوات التفسير هذه في الواقع العملي للأشعة. فقد أجروا مراجعة شاملة لما يقرب من مائتي دراسة علمية نُشرت بين عامي 2020 و2026، بحثوا خلالها في كيفية تعليم الذكاء الاصطناعي شرح عمله عبر أنواع مختلفة من الفحوصات الطبية. ولم يكن هدفهم مجرد إحصاء الأساليب المستخدمة، بل معرفة ما إذا كانت التفسيرات التي تقدمها الحواسيب مفيدة حقًا للأطباء الذين سيستخدمونها. وقد فحصوا دراسات تغطي كل شيء من صور الأشعة السينية للصدر إلى صور الرنين المغناطيسي للدماغ، باحثين عن وجود صلة بين المخرجات التقنية للحاسوب وطريقة تفكير الطبيب البشري في حالة المريض.
وجد الباحثون أن هذا المجال قد انفجر بالإبداع؛ فهناك الآن عشرات الطرق المختلفة لجعل الحاسوب يشرح نفسه. بعض الأساليب تسلط الضوء على مناطق محددة في الصورة باستخدام خريطة حرارية ملونة، مما يوضح بالضبط أي البكسلات ركز عليها الحاسوب بدقة أكبر. وطرق أخرى تقوم بتفكيك الصورة إلى قطع صغيرة لمعرفة أي منها كان الأكثر أهمية، بينما تحاول طرق أخرى مقارنة الصورة الحالية بأمثلة لأمراض معروفة تعلمها الحاسوب. وقد غطت الدراسات التي راجعوها مجموعة واسعة من المهام الطبية، بدءًا من مجرد اكتشاف وجود مرض ما وصولاً إلى التنبؤ بكيفية تغير حالة المريض بمرور الوقت. وكانت أكثر أنواع الفحوصات التي تم تحليلها هي صور الصدر وصور الدماغ، تليها تصوير الثدي وأجزاء أخرى من الجسم.
ومع ذلك، كشفت المراجعة عن انفصال كبير؛ فبينما كانت الحواسيب تتحسن في توليد هذه التفسيرات المرئية، إلا أن التفسيرات نفسها لم تكن تتحدث لغة الطب في كثير من الأحيان. فقد ينتج الحاسوب بقعة حمراء زاهية على مسح ضوئي ليظهر مكان المشكلة، لكن هذه البقعة لا تخبر الطبيب بالضرورة ما هي المشكلة. قد يسلط الحاسوب الضوء على منطقة في الرئة، لكنه لا يشرح ما إذا كانت تلك المنطقة تحتوي على ورم، أو عدوى، أو مجرد وعاء دموي. لاحظ الباحثون أن معظم الدراسات قيمت هذه التفسيرات من خلال التحقق مما إذا كانت تتطابق مع المنطق الداخلي للحاسوب، بدلاً من سؤال ما إذا كان الطبيب البشري يجدها مفيدة أو مفهومة. الأمر يشبه طالبًا يظهر لأستاذه إجابة صحيحة ولكنه يفشل في عرض خطوات الحل بطريقة يمكن للأستاذ متابعتها. والنتيجة هي تفسير تقني مخلص للآلة ولكنه مربك أو غير ذي صلة بالنسبة للإنسان.
هذه الفجوة بين مخرجات الحاسوب وتفكير الطبيب هي المشكلة المركزية التي تحددها الورقة البحثية. ويرى الباحثون أن المشكلة ليست في نقص تقنيات التفسير، بل في نقص عملية ترجمة تلك التقنيات إلى شيء يمكن للطبيب استخدامه. حاليًا، غالبًا ما تتوقف العملية عند توليد خريطة حرارية. وتقترح الدراسة أنه لكي تكون هذه الأدوات مفيدة حقًا، يجب أن تكون هناك خطوة متعمدة حيث تُترجم البيانات الخام للحاسوب إلى مفاهيم طبية. فبدلاً من مجرد إظهار منطقة محددة، يجب أن يكون النظام قادرًا على القول: "تظهر هذه المنطقة كتلة ذات حواف غير منتظمة"، وهو نوع اللغة الذي يستخدمه أخصائي الأشعة لتشخيص الحالة.
ولحل هذه المشكلة، يقترح المؤلفون إطار عمل جديدًا يسمى "تكامل الذكاء الاصطناعي للأشعة القابل للتفسير"، أو XRAI. وهذا ليس خوارزمية حاسوبية جديدة، بل هو دليل هيكلي لكيفية بناء واستخدام هذه الأنظمة. يقترح إطار العمل البدء بتحديد المهمة الطبية المحددة ومن سيستخدم الأداة بوضوح. ثم يوجه لاختيار طريقة التفسير المناسبة لتلك المهمة المحددة، ويولد التفسير، ويشمل خطوة حاسمة وهي ترجمة ذلك التفسير إلى مصطلحات طبية بسيطة. وأخيرًا، يتطلب اختبار التفسير مع أطباء حقيقيين لمعرفة ما إذا كان يساعدهم في اتخاذ قرارات أفضل، والاحتفاظ بسجل مفصل للعملية بأكملها من أجل السلامة والمساءلة.
ويؤكد الباحثون أن هذا النهج لا يزال مجرد مقترح؛ فقد رسموا مسار المشكلة وصمموا طريقًا للمضي قدمًا، لكنهم لم يثبتوا بعد أن إطار العمل الجديد هذا يعمل في بيئة مستشفى حقيقية. كما أشاروا إلى الحاجة لدراسات مستقبلية لاختبار ما إذا كان هذا النهج الهيكلي يحسن بالفعل كيفية تفاعل الأطباء مع الذكاء الاصطناعي. وتخلص الورقة إلى أن مستقبل الذكاء الاصطناعي الطبي لا يعتمد على جعل الحواسيب أكثر ذكاءً، بل على جعل المحادثة بين الحاسوب والطبيب أكثر وضوحًا. فمن خلال التركيز على ترجمة البيانات التقنية إلى منطق طبي ذي معنى، يمكن لهذا المجال أن ينتقل من مجرد إظهار أن الآلة تعمل إلى ضمان أن عملها موثوق ومفهوم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.