PulmoDiagAI: An Intelligent Medical Diagnosis System for Automated Pulmonary Pathology Classification using Deep Learning

تعد الرئة البشرية شبكة دقيقة ومتفرعة من الممرات والأكياس الهوائية، مصممة لتبادل الأكسجين بثاني أكسيد الكربون مع كل نفس. وعندما يختل هذا النظام، يمكن أن تكون العواقب سريعة وشديدة. ومن أبرز التهديدات التي تواجه صحة الجهاز التنفسي اليوم هما سرطان الرئة والعدوى الفيروسية المعروفة باسم كوفيد-19. وكلا الحالتين غالباً ما تختبئان في وضح النهار داخل الجسم، ولا تكشفان عن نفسيهما إلا من خلال الظلال والأنسجة الخفية التي تظهر في الصور الطبية مثل الأشعة السينية والأشعة المقطعية. ولعقود من الزمن، وقعت مهمة تفسير هذه الصور على عاتق أطباء الأشعة، وهم متخصصون مدربون تدريباً عالياً يجب عليهم فحص آلاف الصور بحثاً عن العلامات الباهتة للمرض. هذه العملية حيوية، لكنها أيضاً مرهقة وعرضة للخطأ البشري، خاصة عندما يغرق الأطباء تحت وطأة عدد كبير من المرضى أو عندما تكون علامات المرض غامضة.

وفي السنوات الأخيرة، ظهرت أداة جديدة لمساعدة هؤلاء الخبراء الطبيين: الذكاء الاصطناعي. وتحديداً، يسمح فرع من الذكاء الاصطناي يسمى "التعلم العميق" للحواسيب بتعلم كيفية التعرف على الأنماط في الصور، تماماً كما يفعل الدماغ البشري، ولكن من خلال معالجة ملايين الأمثلة في وقت واحد. وقد قام الباحثون بتدريب هذه الأنظمة الرقمية على رصد العلامات المميزة للالتهاب الرئوي، والأورام، والعدوى الفيروسية. والهدف ليس استبدال الطبيب، بل توفير عين ثانية لا تتعب أبداً، ولا تفوت أي تفصيل بسبب الإرهاق، ويمكنها تقديم رأي سريع ومتسق حول ما يواجهه المريض. ومع ذلك، يظل السؤال قائماً: أي نوع محدد من الأدمغة الرقمية يعمل بشكل أفضل لأي مرض محدد، وهل يمكن جعل هذه الأنظمة المعقدة بسيطة بما يكفي لتستخدمها المستشفيات يومياً؟

لقد تصدى فريق من الباحثين من جامعة مولود معمري بالجزائر لهذه الأسئلة من خلال نظام جديد أطلقوا عليه اسم "PulmoDiagAI". ويركز عملهم على إنشاء أداة ذكية يمكنها الفرز التلقائي لصور الصدر لتشخيص تهديدين متميزين: سرطان الرئة وكوفيد-19. ولبناء هذا النظام، لم يخترعوا نوعاً جديداً من الأدمغة الحاسوبية من الصفر؛ بل بدلاً من ذلك، اختبروا خمس بنيات مختلفة موجودة بالفعل — وهي نماذج تعلم عميق جاهزة تم تدريبها مسبقاً على مكتبات ضخمة من الصور العامة. هذه النماذج، المعروفة بأسماء مثل VGG19 وResNet50 وEfficientNet-B3، تم تكييفها لتنظر خصيصاً إلى الصدر البشري. وقد غدّى الباحثون هذه النماذج بآلاف الصور الطبية، لتعليمها التمييز بين الرئات السليمة، والنموات الحميدة (غير السرطانية)، والأورام الخبيثة (السرطانية)، والعدوى الفيروسية.

بدأت العملية بتحضير دقيق للصور نفسها. فغالباً ما تأتي المسوحات الطبية مع اختلافات في السطوع أو الضجيج أو التباين التي يمكن أن تربك الحاسوب. لذا طبق الفريق سلسلة من التحسينات الرقمية على كل صورة، حيث حولوها إلى تدرج رمادي، وأزالوا الضجيج الشبيه بالتشويش، وشحذوا التباين لجعل حواف الرئتين وأي تشوهات محتملة تبرز بوضوح. كانت هذه الخطوة حاسمة، لأنها ضمنت أن الذكاء الاصطناعي ينظر إلى أوضح نسخة ممكنة من تشريح المريض قبل أن يبدأ تشخيصه. وبمجرد تجهيز الصور، ترك الباحثون النماذج الخمسة تتنافس ضد بعضها البعض، باختبار قدرتها على تحديد الحالة الموجودة في الصورة.

وكشفت النتలు أن نموذجاً واحداً ليس مثالياً لكل مهمة؛ إذ يعتمد الخيار الأفضل تماماً على المرض الذي يتم استقصاؤه. فعندما تعلق الأمر بتحديد كوفيد-19 من الأشعة السينية للصدر، برز نموذج واحد، وهو EfficientNet-B3، فوق البقية. فقد حدد الفيروس بشكل صحيح في 97% من الحالات وأظهر قدرة استثنائية على التمييز بين المرضى المصابين، وأولئك المصابين بأنواع أخرى من الالتهاب الرئوي، وأولئك الذين يتمتعون برئات سليمة. أثبت هذا النموذج موثوقية كبيرة لدرجة أنه استطاع تقريباً الفصل بين المجموعات الثلاث بشكل مثالي، مما جعله المرشح المثالي للكشف عن الفاشيات الفيروسية.

ومع ذلك، تغيرت القصة عندما وجه الفريق اهتمامهم إلى سرطان الرئة. فبالنسبة لهذه المهمة الأكثر تعقيداً، والتي تضمنت تحليل الأشعة المقطعية للعثور على الأورام، تولى نموذج مختلف القيادة. فقد حقق MobileNetV3، وهو تصميم صُمم في الأصل ليكون خفيف الوزن وسريعاً للأجهزة المحمولة، دقة مذهلة بلغت 99%. والأمر الأكثر إثارة للإعجاب هو أن كلاً من MobileNetV3 ونموذج آخر يسمى ResNet50 نجحا في العثور على كل حالة من حالات السرطان الخبيث في مجموعات الاختبار الخاصة بهما. لم يفوتا تورماً خطيراً واحداً. وهذا اكتشاف بالغ الأهمية، لأنه في الفحص الطبي، يكون تفويت تشخيص السرطان أكثر خطورة بكثير من إطلاق إنذار خاطئ. وبينما عانت نماذج أخرى أحياناً في التمييز بين النمو غير الضار والرئة السليمة، حافظ هذان النموذجان المتفوقان على تمييز حاد، مما ضمن عدم تسلل أي حالة مهددة للحياة عبر الثغرات.

ولم يتوقف الباحثون عند مجرد إيجاد أفضل الأرقام؛ فقد أدركوا أن الخوارزمية القوية لا فائدة منها إذا لم يستطع الطبيب استخدامها بسهولة. ولتجسير هذه الفجوة، بنوا برنامجاً حاسوبياً بسيطاً وتفاعلياً يمكن لأي شخص تشغيله. تتيح هذه الواجهة للممارس السريري رفع صورة للصدر، واختيار ما إذا كان يبحث عن السرطان أو كوفيد-19، وتلقي إجابة فورية. النظام لا يكتفي بالقول "سرطان" أو "لا يوجد سرطان"؛ بل يقدم درجة ثقة، وهي نسبة مئوية تخبر الطبيب بمدى تأكد الحاسوب من نتيجته. تساعد هذه الشفافية المهني الطبي على تقرير مدى الوزن الذي يجب إعطاؤه لرأي الحاسوب، محولةً عملية حسابية معقدة إلى مساعد عملي في الوقت الفعلي.

تؤكد الدراسة أن التعلم العميق يمكن أن يكون حليفاً قوياً في مكافحة أمراض الجهاز التنفسي، لكنها توضح أيضاً أنه لا يوجد حل واحد يناسب الجميع. فالأداة الأفضل لرصد فيروس ليست بالضرورة هي الأفضل للعثور على ورم. ومن خلال مطابقة الدماغ الرقمي المناسب للمهمة الطبية المناسبة بعناية، وتغليف تلك التكنولوجيا بواجهة سهلة الاستخدام، نجح الباحثون في إنشاء نظام جاهز للعالم الحقيقي. ويقف نظام "PulmoDiagAI" كدليل على أنه عندما يقترن الذكاء الاصطناعي المتقدم بالتحضير الطبي الدقيق، يمكنه تقديم طريقة موثوقة وسريعة ومتاحة لدعم الأطباء في إنقاذ الأرواح.