CogAlign-CausalX: mask-grounded polyp analysis with closed-form explanation-alignment scoring

يواجه ملايين الأشخاص كل عام خطر الإصابة بسرطان القولوم والمستقيم، وهو مرض غالباً ما يبدأ كنمو صغير غير ضار يسمى "سليلة" (polyp) داخل القولون. يستخدم الأطباء إجراءً يسمى تنظير القولون للنظر داخل القولون وإزالة هذه النموات قبل أن تتحول إلى شيء خطير. لسنوات، كان الباحثون يعلمون الحواسيب كيفية المساعدة في رصد هذه السلائل في الصور المرئية الملتقطة أثناء الإجراء. لقد أصبحت هذه البرامج الحاسوبية جيدة جداً في رسم خط حول السليلة، وفصلها عن بقية الأنسجة. ومع ذلك، لا تزال هناك مشكلة رئيسية: بينما يمكن للحاسوب أن يشير إلى السليلة، فإنه لا يستطيع بسهولة شرح لماذا يعتقد أنها سليلة. في الطب عالي المخاطر، يحتاج الطبيب إلى الثقة في منطق الآلة، وليس فقط في تخمينها النهائي. إذا قال الحاسوب "هذه سليلة"، يحتاج الطبيب إلى معرفة ما إذا كانت الآلة تنظر إلى السمات الصحيحة أم أنها مجرد تخمين بناءً على نمط محظوظ.

اقترح فريق من الباحثين طريقة جديدة لحل مشكلة الثقة هذه. فبدلاً من بناء نظام معقد يخمن أولاً ثم يحاول شرح نفسه لاحقاً، صمموا مساراً حاسوبياً حيث يتم دمج الشرح في الخطوة الأولى من عملية التفكير. طريقتهم، التي يسمونها CogAlign-CausalX، تعمل من خلال إجبار الحاسوب على اتخاذ قراره باستخدام المنطقة المحددة التي حددها بالفعل. تخيل طبيباً ينظر إلى صورة للقولون ويغطي كل شيء باستثناء البقعة المشبوهة بقطعة من الورق؛ ثم يتخذ الطبيب حكماً بناءً فقط على ما هو مرئي تحت تلك الورقة. في هذا النظام، يفعل الحاسوب الشيء نفسه. فهو يرسم أولاً قناعاً، أو تحديداً رقمياً، حول سليلة محتملة. ثم يتخلص من بقية الصورة وينظر فقط إلى البكسلات الموجودة داخل ذلك التحديد ليقرر نوع النمو. ولأن الحاسوب لا يمكنه رؤية أي شيء خارج ذلك التحديد، فإن التحديد نفسه يصبح هو الشرح. إذا أصاب الحاسوب في الإجابة، فذلك لأنه حدد بشكل صحيح المنطقة الصحيحة للنظر إليها.

وللتأكد من أن هذا النهج يعمل بالفعل، احتاج الباحثون إلى طريقة لقياس مدى جودة التحديد الحاسوبي، ليس فقط بالنظر إليه، بل بإعطائه درجة. لقد طوروا طريقة تسجيل جديدة تتحقق من ثلاثة أشياء محددة بخصوص التحديد. أولاً، تتحقق مما إذا كان تحديد الحاسوب يبقى معظمه داخل السليلة الفعلية. ثانياً، تتحقق من مدى قرب شكل التحديد الحاسوبي من الشكل الذي رسمه خبير بشري. ثالثاً، تتحقق مما إذا كان تحديد الحاسوب يفيض إلى الأنسجة السليمة المحيطة بالسليلة. ومن خلال دمج هذه التحققات الثلاثة في رقم واحد، يمكن للباحثين معرفة مدى توافق "منطق" الحاسوب مع الخبرة البشرية في جزء من الثانية. وهذا أسرع بكثير من الطرق القديمة التي تحاول تخمين ثقة الحاسوب عبر تشغيل نفس الصورة عبر النظام عشرات المرات مع تغييرات عشوائية طفيفة، وهي عملية تستغرق دقائق بدلاً من أجزاء من الثانية.

اختبر الباحثون نظامهم على مجموعة من 1,000 صورة حقيقية للقولون تم فحصها وتصنيفها بعناية من قبل خبراء طبيين. قاموا بتقسيم هذه الصور إلى مجموعات لتدريب الحاسوب ثم لاختباره، مع التأكد من عدم تداخل المجموعات. أظهرت النتائج أن النظام كان فعالاً للغاية؛ فقد نجح في تحديد السلائل في معظم الحالات، وبدرجة دقة وضعت نظامهم فوق العديد من النماذج الحاسوبية القديمة، رغم أنه كان لا يزال متأخراً قليلاً عن أحدث الأنظمة الأكثر قوة المتاحة. والأهم من ذلك، قدم النظام درجة رقمية واضحة لشروحاته الخاصة. ووجد الباحثون أنه عندما يرتكب الحاسوب خطأً، فغالباً ما يكون خطأً صغيراً، مثل تخمين أن السليلة أكبر أو أصغر قليلاً مما هي عليه في الواقع، بدلاً من كونه سوء فهم كامل لما ينظر إليه.

ومع ذلك، أشار الباحثون بحذر إلى نقطة ضعف محددة في طريقة التسجيل الجديدة الخاصة بهم. فقد اكتشفوا أن الدرجة يمكن أن تُخدع بواسطة حاسوب شديد الحذر. فإذا رسم الحاسوب تحديداً صغيراً بقي تماماً داخل سليلة كبيرة ولكنه أغفل معظم حجم السليلة الفعلي، فستظل الدرجة عالية جداً. وذلك لأن الدرجة تكافئ الحاسوب لبقائه داخل المنطقة الآمنة وعدم فيضه إلى الأنسجة السليلة، لكنها لا تعاقبه بشدة على الفشل في تغطية السليلة بأكملها. لقد أظهر الباحثون أن الحاسوب يمكن أن يغفل ثلثي السليلة ومع ذلك يحصل على درجة عالية إذا كان حذراً جداً بشأن عدم لمس الأنسجة السليمة. هذا الاكتشاف أمر بالغ الأهمية لأنه يعني أن الدرجة لا يمكن استخدامها بمفردها للحكم على النظام، بل يجب دائماً النظر إليها جنباً إلى جنب مع مقياس قياسي لمدى الجزء الذي تم العثور عليه من السليلة فعلياً.

كما سلطت الدراسة الضوء على حدود ما يمكن لهذا الاختبار المحدد إخبارنا به. فقد تم تدريب الحاسوب واختباره على مجموعة واحدة من الصور، واستخدم الباحثون إعداداً واحداً محدداً لتجاربهم. وأشاروا إلى أن النظام لم يكن سريعاً بما يكفي للعمل في الوقت الفليلي (real-time) أثناء إجراء طبي مباشر على الحواسيب التي استخدموها، مما يعني أنه حالياً أكثر ملاءمة لمراجعة الصور بعد انتهاء الإجراء بدلاً من مساعدة الطبيب في اللحظة ذاتها. علاوة على على ذلك، فإن الصور التي استخدموها كانت لقطات ثابتة وواضحة، وليست فيديو متحركاً، ومضبباً أحياناً، كما يراه الأطباء أثناء الإجراء الفعلي. وأكد الباحثون أنه بينما توفر طريقتهم وسيلة جديدة لقياس الثقة في الرؤية الحاسوبية، إلا أنها ليست منتجاً نهائياً جاهزاً للعيادة. إنها "إثبات مفهوم" يوضح كيف يمكن بناء نظام يكون فيه الشرح جزءاً من القرار، وتوفر خارطة طريق واضحة لما يجب إصلاحه قبل أن يتمكن مثل هذا النظام من الوثوق به مع المرضى الحقيقيين.

في النهاية، يتعلق هذا العمل بدرجة أقل بجعل الحاسوب أكثر ذكاءً في العثور على السلائل، وبدرجة أكبر بجعل عملية تفكير الحاسوب مرئية وقابلة للقياس. فمن خلال إجبار الحاسوب على الاعتماد فقط على المنطقة التي يسلط الضوء عليها، خلق الباحثون نظاماً يكون فيه "السبب" بنفس أهمية "النتيجة". لقد أثبتوا أنه يمكنك بناء آلة تشرح نفسها من خلال التصميم، بدلاً من إضافة خطوة شرح منفصلة لاحقاً. وبينما تمتلك أداة التسجيل الخاصة بهم نقطة عمياء فيما يتعلق بمدى الجزء الذي تم إغفاله من السليلة، فإن الفكرة الجوهرية — وهي أن الشرح يجب أن يكون هو المدخل وليس المخرج — تقدم مساراً واعداً للمضي قدماً. لقد أتاح الباحثون الكود والبيانات الخاصة بهم حتى يتمكن الآخرون من مراجعة عملهم، والتحقق من الأرقام، والبناء على نتائجهم، مما يضمن أن الجيل القادم من الذكاء الاصط�طناعي الطبي ليس دقيقاً فحسب، بل مفهوماً أيضاً.