General-Purpose Vision Models to Dermatology-Specific Foundation Models: Comparative Evaluation for Facial Skin Disease Classification
تقدم هذه الدراسة تقييماً منهجياً لسبعة تمثيلات بصرية مدربة مسبقاً لتصنيف أمراض جلد الوجه المكونة من ست فئات، حيث أظهرت أن نموذج "Derm Foundation" المدمج مع مصنف "XGBoost" يحقق أداءً فائقاً (دقة بنسبة 88.17%) مع تسليط الضوء على تحديات محددة في التمييز بين التهاب الجلد الدهني والوردية، والتحقق من الجدوى التقنية لهذا الإطار من خلال تطبيق ويب تجريبي.
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
يُعد الوجه البشري خريطة معقدة من الجلد، حيث يمكن أن تبدو الحالة نفسها مختلفة اعتماداً على البيولوجيا الفريدة لكل شخص، كما يمكن لحالات مختلفة أن تبدو متشابهة بشكل مذهل. لعقود من الزمن، اعتمد الأطباء على أعينهم المدربة للتمييز بين هذه الاختلافات الدقيقة، وهي مهارة تتطلب سنوات من الدراسة والخبرة. وفي السنوات الأخيرة، حاول العلماء تعليم الحواسيب القيام بالشيء نفسه باستخدام الذكاء الاصطناعي. تعمل هذه الأنظمة من خلال عرض آلاف الصور للجلد على الكمبيوتر حتى يتمكن من تعلم الأنماط البصرية لأمراض مثل حب الشباب أو الإكزيما. ومع ذلك، لا يزال هناك تحدٍ كبير: معظم هذه البرامج الحاسوبية مدربة على صور عامة للعالم، وليس على الجلد خصيصاً. تماماً كما قد يواجه شخص لم يرَ سوى صور الغابات صعوبة في تحديد نوع معين من الأشجار في حديقة، فإن الكمبيوتر المدرب على صور عامة قد يفتقد التفاصيل الدقيقة التي تميز مرضاً جلدياً عن آخر. علاوة على على ذلك، ناق العلماء لفترة طويلة ما إذا كان برنامج الكمبيوتر الذي يقوم بالتشخيص النهائي لا يقل أهمية عن البرنامج الذي يتعلم رؤية الصورة في المقام الأول.
وضع فريق من الباحثين هدفاً لحل هذا اللغز من خلال اختبار نهج جديد لتعليم الحواسيب كيفية التعرف على أمراض جلد الوجه. ركزوا على ست حالات شائعة تظهر غالباً على الوجه: حب الشباب، والتهاب الجلد التأتبي، والجلد الطبيعي، والصدفية، والوردية، والتهاب الجلد الدهني. وبدلاً من بناء "عقل حاسوبي" جديد من الصرا، وهو ما يتطلب كميات هائلة من البيانات وقدرات حوسبة ضخمة، قاموا باختبار سبعة نماذج "رؤية" موجودة مسبقاً. فكر في هذه النماذج كأنها نظارات مختلفة، كل منها صُممت من قبل مجموعات مختلفة من العلماء لترى العالم بطريقة محددة. بعض هذه النظارات كانت مدربة على صور عامة للطبيعة والمدن، بينما تدربت أخرى خصيصاً على صور طبية للجلد. أراد الباحثون معرفة أي زوج من النظارات سيسمح للكمبيوتر بإجراء التشخيص الأكثر دقة. كما أرادوا معرفة ما إذا كان الخطوة النهائية من العملية — أي برنامج الكمبيوتر الذي يتخذ القرار بالفعل — يهم بقدر أهمية النظارات نفسها. ولاختبار ذلك، أخذوا الصور التي تمت معالجتها بكل زوج من النظارات وغذوا بها برنامجين مختلفين لاتخاذ القرار لمعرفة ما إذا كانت النتائج ستتغير.
استخدمت الدراسة مجموعة كبيرة من الصور السريرية الحقيقية من المستشفيات في كوريا الجنوبية، والتي تم تنظيمها بعناية حتى يتمكن الكمبيوتر من التعلم من مجموعة متوازنة من الأمثلة. قام الباحثون بتجميد "النظارات" في مكانها، مما يعني أنهم لم يحاولوا تعليمها أي شيء جديد، واستخدموها ببساطة لاستخراج الميزات البصرية لكل صورة جلدية. ثم مرروا هذه الميزات إلى برنامج اتخاذ قرار لمعرفة مدى قدرته على تصنيف الصور إلى الفئات الست الصحيحة. كانت النتائج واضحة وحاسمة؛ فقد أدت نماذج الكمبيوتر التي تم تدريبها خصيصاً على صور الجلد أداءً أفضل بكثير من تلك المدربة على صور عامة للعالم. وكان أفضل أداء لنموذج تأسيسي متخصص في طب الجلد، والذي حدد الحالة الجلدية بشكل صحيح بمساحة تحت المنحنى (AUC) بلغت 0.8817. وكان هذا تحسناً كبيراً مقارنة بالنماذج العامة التي كافحت للوصول حتى إلى 0.8. كانت النماذج المتخصصة جيدة بشكل خاص في التعرف على الجلد الطبيعي والصدفية، رغم أنها لا تزال تجد صعوبة في التمييز بدقة بين التهاب الجلد الدهني والوردية، وهما حالتان تبدوان متشابهتين جداً للعين البشرية.
اكتشف الباحثون أيضاً أن اختيار برنامج اتخاذ القرار النهائي كان مهماً، ولكن فقط لأنواع معينة من "النظارات". فعندما استخدم الكمبيوتر نماذج رؤية عامة، كان أحد أنواع برامج اتخاذ القرار يعمل بشكل أفضل بكثير من الآخر. ومع ذلك، عندما استخدم الكمبيوتر النماذج المتخصصة والمدربة على الجلد، لم يشكل اختيار برنامج اتخاذ القرار أي فرق يُذكر. يشير هذا إلى أنه بمجرد أن يتعلم الكمبيوتر رؤية ميزات الجلد بشكل صحيح من خلال التدريب المتخصص، تصبح الخطوة النهائية لاتخاذ التشخيص أكثر استقراراً وموثوقية. كما سلطت الدراسة الضوء على صعوبة مستمرة: حتى أفضل نماذج الكمبيوتر واجهت صعوبة في التمييز بين التهاب الجلد الدهني والوردية. فقد خلط الكمبيوتر بشكل متكرر بين هاتين الحالتين، مما يعكس التحدي الواقعي الذي يواجهه الأطباء عند فحص المرضى. وهذا يشير إلى أنه بينما يمكن للذكاء الاصطناعي تعلم رؤية الجلد جيداً، إلا أنه لا تزال هناك تداخلات بصرية بين بعض الأمراض يصعب حلها باستخدام الصور الفوتوغرافية القياسية فقط.
ولإظهار كيف يمكن لهذه التكنولوجيا أن تساعد المرضى في نهاية المطاف، قام الباحثون ببناء تطبيق ويب بسيط. في هذا النموذج الأولي، يمكن للمستخدم رفع صورة لوجهه، وسيقوم النظام بتحليلها للتنبؤ بالحالة الجلدية. وبدلاً من مجرد إعطاء تسمية طبية، يتصل النظام بأداة لغوية لإنشاء شرح بلغة بسيطة للحالة، وتقديم معلومات تعليمية يمكن للمريض فهمها. وقد أظهر ذلك أن العمل الرياضي المعقد للتشخيص يمكن تغليفه بواجهة سهلة الاستخدام. ومع ذلك، كان المؤلفون حذرين في ملاحظة أن هذا كان عرضاً تقنياً، وليس جهازاً طبياً جاهزاً للاستخدام. وأكدوا أن النظام لم يتم اختباره بعد على المرضى في العيادات الواقعية أو على أشخاص من خلفيات وألوان بشرة مختلفة. وتخلص الدراسة إلى أنه بينما تعد نماذج الرؤية المتخصصة أداة قوية لتحديد أمراض جلد الوجه، فإن التكنولوجيا لا تزال بحاجة إلى مزيد من الاختبار والتحقق قبل أن يمكن الوثوق بها لاستبدال الأطباء أو مساعدتهم في بيئة سريرية. ويتضمن المسار المستقبلي ضمان عمل هذه الأنظمة بشكل موثوق عبر مجموعات سكانية متنوعة وفهم الأماكن التي قد تخطئ فيها بدقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.