Development of a Multimodal Large Language Model for Early Warning and Diagnosis of Dry Eye Disease
تقدم هذه الدراسة DED-MLLM، وهو نموذج لغوي كبير متعدد الوسائط مضبوط وفق التعليمات يعتمد على Qwen2-VL، يدمج البيانات السريرية، والاستبيانات، والتصوير العيني لتحقيق دقة عالية في الإنذار المبكر وتشخيص جفاف العين وفقًا لكل من المعايير التشخيصية الصينية والدولية.
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
تخيل زوجًا من العيون التي تشعر بخشونة، أو تحترق تحت أشعة الشمس، أو تصبح ضبابية عندما تحاول القراءة من شاشة. هذه هي حالة جفاف العين، وهي حالة شائعة ومحبطة غالبًا، حيث يفتقر سطح العين إلى الرطوبة الكافية أو نوع الزيت المناسب ليبقى صحيًا. إنها ليست مجرد إزعاج بسيط؛ بل يمكن أن تسبب ضررًا للرؤية وتجعل الحياة اليومية صعبة. ومع ذلك، فإن تشخيصها أمر معقد؛ إذ لا يمكن للطبيب الاعتماد على اختبار واحد، بل يجب عليه تجميع قطع أحجية مكونة من العديد من القرائن المختلفة: كيف يصف المريض ألمه، وتاريخه الطبي، وعادات نمط حياته مثل مقدار الوقت الذي يقضيه أمام أجهزة الكمبيوتر، وما يراه الطبيب عند النظر عبر مجهر لسطح العين. لسنوات طويلة، كان الذكاء الاصطناعي جيدًا في النظر إلى الصور أو قراءة الأرقام، لكنه عانى في القيام بكليهما في آن واحد بطريقة تحاكي التفكير الدقيق للطبيب البشري.
قام فريق من الباحثين من المستشفيات والمعاهد البحثية في جميع أنحاء الصين ببناء نوع جديد من البرامج الحاسوبية المصممة لحل هذه المشكلة تحديدًا. لقد أنشأوا نظامًا يعمل كخبير رقمي، قادر على قراءة إجابات المرضما المكتوبة في الاستبيانات، وفهم تاريخهم الطبي، وفحص صور عالية الدقة لعيونهم في وقت واحد. تم تدريب هذا النظام، الذي يسمونه "نموذج لغوي كبير متعدد الوسائط"، على التعرف على الأنماط المعقدة التي تشير إلى مرض جفاف العين. ومن خلال الجمع بين هذه الأنواع المختلفة من المعلومات، يهدف النموذج إلى رصد المرض مبكرًا، حتى قبل أن يصبح شديدًا، وتأكيد التشخيص بدقة عالية. اختبر الباحثون هذه الأداة على مئات المرضى ووجدوا أنها تستطيع التمييز بفعالية بين العيون السليمة وتلك التي تعاني من جفاف العين، مع أداء جيد حتى عند اختبارها على بيانات من مستشفيات مختلفة ومعدات مختلفة.
بدأت الدراسة بجمع مجموعة كبيرة من البيانات الواقعية من أربعة مستشفيات مختلفة. ضم الفريق 874 مشاركًا، تم تقسيمهم إلى مجموعتين. تكونت المجموعة الأولى، المكونة من 743 مريضًا، من مستشفى واحد في بكين واستُخدمت لتعليم الكمبيوتر كيفية التعرف على المرض. أما المجموعة الثانية، المكونة من 131 مريضًا من ثلاثة مستشفيات أخرى في مدن مختلفة، فقد تم عزلها لاختبار ما إذا كان بإمكان الكمبيوتر تطبيق ما تعلمه في مواقف جديدة وغير مسبوقة. خضع كل مشارك لفحص دقيق؛ حيث ملأوا استطلاعات مفصلة حول أعراضهم، مثل عدد مرات شعورهم بجفاف أعينهم أو مدى تقلب رؤيتهم. كما قدموا تاريخهم الطبي، بما في ذلك معلومات عن أعمارهم، وأي حالات صحية أخرى لديهم، وعاداتهم اليومية، مثل مقدار الوقت الذي يقضونه في النظر إلى الشاشات الإلكترونية.
إلى جانب هذه الإجابات المكتوبة، التقط الأطباء صورًا مفصلة لعيون المرضى. أظهرت هذه الصور سطح العين، والغدد الزيتية الصغيرة في الجفون، والأوعية الدموية. وفي بعض الحالات، استخدم الأطباء صبغة خاصة لتسليط الضوء على المناطق المتضررة في سطح العين. قام الباحثون بتغذية هذا النموذج الحاسوبي بكل هذه المعلومات — إجابات الاستبيان، والتاريخ الطبي، وصور العين — في نموذجهم الحاسوبي الجديد. بُني النموذج على أساس قوي من تقنية الذكاء الاصطناعي الموجودة ولكن تم ضبطه خصيصًا لفهم اللغة والصور الطبية. وكان جزء رئيسي من التصميم هو طريقة لترجمة الأرقام المهيكلة من السجلات الطبية، مثل درجات الاستبيانات، إلى لغة طبيعية يمكن للكمبيوتر معالجتها جنبًا إلى جنب مع الصور. سمح هذا للنموذج برؤية الروابط بين قول المريض إن عينيه تحترقان وبين الاحمرار المحدد الظاهر في الصورة.
طلب الباحثون من النموذج القيام بمهمتين رئيسيتين. الأولى كانت "التحذير المبكر"، حيث حاول النظام التنبؤ بخطر جفاف العين بناءً فقط على إجابات الاستبيان وعوامل نمط الحياة، قبل أخذ أي صور للعين. والمهمة الثانية كانت "التشخيص"، حيث استخدم النموذج جميع المعلومات المتاحة، بما في ذلك صور العين، لتحديد ما إذا كان المريض يعاني بالتأكيد من المرض. اختبر الفريق النموذج مقابل مجموعتين مختلفتين من القواعد المستخدمة من قبل الأطباء: مجموعة من الإرشادات الدولية وأخرى من الإرشادات الخاصة بالصين. تحدد هذه القواعد بالضبط أي مزيج من الأعراض والعلامات يُعد مرضًا.
أظهرت النتائج أن النموذج كان فعالاً للغاية. فعند محاولة التنبؤ بخطر جفاف العين باستخدام بيانات الاستبيان فقط، كان النموذج صحيحًا بنسبة 96 بالمائة وفقًا للإرشادات الصينية وحوالي 82 بالمائة وفقًا للإرشادات الدولية. وقد كان بارعًا بشكل خاص في رصد المرض عندما يكون موجودًا، حيث لم يخطئ إلا في حالات قليلة جدًا. وعندما زوّدوا النموذج بصور العين بالإضافة إلى إجابات الاستبيان لإجراء تشخيص نهائي، تحسنت دقته أكثر؛ حيث حدد المرض بشكل صحيح في أكثر من 92 بالمائة من الحالات بموجب القواعد الدولية وأكثر من 93 بالمائة بموجب القواعد الصينية. كما كان النموذج جيدًا جدًا في تحديد الأشخاص الذين لا يعانون من المرض بشكل صحيح، متجنبًا الإنذارات الكاذبة.
لفهم كيف اتخذ النموذج قراراته، نظر الباحثون في أي قطع من المعلومات اعتمد عليها أكثر. ووجدوا أن البيانات المهيكلة من الاستبيانات والسجلات الطبية كانت العامل الأكثر أهمية. وعندما أزالوا هذه المعلومات وطلبوا من النموذج الاعتماد فقط على صور العين، انخفض أداؤه بشكل كبير. يشير هذا إلى أنه بالنسبة لجفاف العين، فإن وصف المريض لأعراضه وتاريخه الطبي هما أقوى المؤشرات. ومع ذلك، ظلت الصور ذات قيمة؛ حيث استخدمها النموذج لتأكيد شكوكه وللإشارة إلى علامات جسدية محددة، مثل انسداد الغدد الزيتية أو بقع صغيرة من التلف على سطح العين. تعلم الكمبيوتر التركيز انتباهه على المناطق الدقيقة من العين التي يفحصها الطبيب البشري، مسلطًا الضوء على الاحمرار وقوام غدد الجفن.
اختبر الفريق أيضًا النموذج على مجموعة منفصلة من المرضى من المستشفيات الثلاثة الأخرى لمعرفة ما إذا كان سيعمل في بيئات واقعية مختلفة. استخدمت هذه المستشفيات كاميرات ومعدات مختلفة لالتقاط صور العين. وبالرغم من هذه الاختلافات، حافظ النموذج على مستوى عالٍ من الدقة. لقد نجح في تشخيص المرض في المجموعة الجديدة من المرضى، مما أثبت قدرته على التكيف مع الاختلافات في كيفية جمع البيانات. يشير هذا إلى أن الأداة قد تكون مفيدة في مجموعة واسعة من العيادات، وليس فقط في العيادة التي أُنشئت فيها أول مرة. وأشار الباحثون إلى أن النموذج كان جيدًا بشكل خاص في تحديد المرض لدى كبار السن، وهي الفئة التي تشيع فيها الحالة، رغم إقرارهم بأن البيانات تضمنت حالات أقل من الأمراض الخفيفة جدًا.
تخلص الدراسة إلى أن هذا النهج الجديد يقدم طريقة واعدة لتحسين كيفية اكتشاف وتشخيص مرض جفاف العين. فمن خلال الجمع بين صوت المريض والدليل البصري للطبيب، يرسم النموذج صورة أكثر اكتمالًا لصحة المريض مما قد يقدمه أي من الطريقتين بمفردهما. ويؤكد الباحثون أنه بينما تعد هذه الأداة قوية، إلا أنها مصممة لمساعدة الأطباء وليس لاستبدالهم. فهي توفر وسيلة قوية وقابلة للتوسع للفحص ودعم القرارات السريرية، مما قد يساعد في رصد الحالة في وقت مبكر وتقليل العبء على المرضى الذين يعانون من عدم الراحة المزمن في العين. ويظهر العمل أنه عندما يتم تدريب الذكاء الاصطناعي على فهم كل من الأرقام والصور التي يستخدمها الأطباء يوميًا، يمكنه أن يصبح شريكًا موثوقًا به في رعاية صحة العين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.