A multi-model study of diagnostic faithfulness in AI-generated histopathology images

يعتبر أخصائيو علم الأمراض (الباثولوجيا) بمثابة المحققين في العالم المجهري، حيث يفحصون شرائح رقيقة من الأنسجة البشرية تحت المجهر لتشخيص الأمراض. وتعتمد أعمالهم على لغة دقيقة لوصف ما يرونه: شكل الخلايا، ملمس الأنسجة، وترتيب البنى الهيكلية. ولعقود من الزمن، كان تبادل هذه الدروس البصرية أمراً صعباً؛ فصور المرضى الحقيقيين محمية بقوانين خصوصية صارمة، كما أن العثور على أمثلة كافية للأمراض النادرة لتعليم الطلاب أو تدريب الحواسيب يمثل صراعاً مستمراً. وفي السنوات الأخيرة، ظهر نوع جديد من الذكاء الاصطناعي يمكنه تحويل الأوصاف المكتوبة إلى صور. والأمل المعقود هو أن تتمكن هذه الآلات من توليد صور تعليمية مثالية أو إنشاء مكتبات ضخمة من الأنسجة الاصطناعية للبحث العلمي، متجاوزة بذلك الحاجة إلى بيانات المرضى الحقيقيين. لكن يبقى سؤال جوهري: إذا كتب الكمبيوتر وصفاً لمرض معين ثم رسم صورة له، فهل تبدو تلك الصورة حقاً مثل الشيء الحقيقي، أم أنها مجرد تخمين يبدو معقولاً؟

لقد عزم فريق من الباحثين في جامعة تسينغ هوا على الإجابة على هذا السؤال من خلال اختبار سبعة نماذج مختلفة من الذكاء الاصطناعي. أرادوا معرفة ما إذا كانت هذه الآلات تستطيع ترجمة التقارير الطبية بأمانة إلى صور نسيجية دقيقة. ولتحقيق ذلك، قاموا ببناء اختبار صارم باستخدام 579 مثالاً حقيقياً مستمداً من الكتب الطبية المرجعية. غطت هذه الأمثلة مجموعة واسعة من أجهزة جسم الإنسان، من الدماغ والرئتين إلى الجلد والأعضاء التناسلية. قام الباحثون بتغذية النماذج السبعة السبعة بالأوصاف المكتوبة من هذه الحالات المرجعية وطلبوا منها توليد الصور المقابلة لها. ثم قارنوا النتائج باستخدام ثلاث طرق آلية مختلفة؛ حيث فحصت الطريقة الأولى ما إذا كان الأسلوب العام والملمس للصور المولدة يتطابق مع الصور الحقيقية، وقاست الطريقة الثانية مدى توافق التفاصيل المحددة في الصورة مع الكلمات المحددة في الوصف، بينما كانت الطريقة الثالثة عبارة عن اختبار ذاكرة: حيث عرضوا الصورة التي ولدها الذكاء الاصطناعي على النظام وسألوا ما إذا كان بإمكانه العثور على التقرير الطبي الأصلي الذي أنشأها.

كشفت النتائج عن صورة معقدة لما تستطيع هذه الآلات فعله وما لا تستطيع. فقد تفوق نموذج واحد، يُدعى "نانو بنانا برو" (Nano Banana Pro)، على غيره في الاختبارات الثلاثة كافة؛ إذ أنتج صوراً بدت أكثر شبهاً بالأمثلة المرجعية وتوافقت بشكل أفضل مع الأوصاف المكتوبة. ومع ذلك، حتى هذا النموذج المتفوق واجه صعوبة في اختبار الذاكرة؛ فعند عرضه على صورة مولدة، تمكن النظام من تحديد التقرير الطبي الأصلي بشكل صحيح بنسبة 6 في المئة فقط تقريباً. وهذا يعني أنه على الرغم من أن الصور بدت واقعية بشكل عام، إلا أنها افتقرت إلى التفاصيل المحددة والفريدة التي تسمح للطبيب أو للحاسوب بالتمييز بين حالة معينة وأخرى. كما وجدت الدراسة أن طرق الاختبار المختلفة غالباً ما كانت تختلف فيما بينها؛ فقد ينتج نموذج ما صوراً تتشابه إحصائياً مع الأنسجة الحقيقية ولكنها تفشل في تجسيد التفاصيل المحددة الموصوفة في النص، بينما قد يفعل نموذج آخر العكس تماماً.

يسلط هذا التباين الضوء على قصور حاسم في كيفية تقييمنا للذكاء الاصطناعي في الطب حالياً. فمن الممكن أن يكون النموذج بارعاً في محاكاة "المظهر" العام لعينة نسيجية دون أن يفهم في الواقع المرض المحدد الذي يُفترض به تمثيله. ووجد الباحثون أن نموذجاً متخصصاً تم تدريبه فقط على أنسجة الثدي قد نجح في محاكاة المظهر العام لعينات الثدي، لكن هذا لم يضمن قدرته على تصوير السمات المحددة لحالة معينة بدقة. وتخلص الدراسة إلى أن الاعتماد على درجة واحدة للحكم على هذه النماذج أمر خطير. ولكي نعرف حقاً ما إذا كان الذكاء الاصطناعي مفيداً للتعليم الطبي أو البحث العلمي، يجب علينا قياس كل من الواقعية العامة للصور وقدرتها على مطابقة الأوصاف المحددة. وإلى أن تتمكن هذه الأنظمة من إعادة إنتاج التفاصيل الدقيقة للمرض بموثوقية، ستظل أدوات قوية لتوليد المرئيات العامة، لكنها ليست جاهزة بعد لتحل محل دقة علم الأمراض الحقيقي.