تطوير ذكاء اصطناعي يخضع للإشراف الذاتي لاكتشاف المرض عن طريق الأشعة السينية

تريند الخليج – خاص

طور باحثو كلية الطب بجامعة هارفارد (HMS) وجامعة ستانفورد أداة ذكاء اصطناعي (AI) يمكنها اكتشاف المرض داخل الصور الشعاعية للصدر باستخدام التقارير السريرية المستندة إلى معالجة اللغة الطبيعية (NLP) بدلاً من الاعتماد على التعليقات التوضيحية البشرية “للتعلم”.

إن استخدام الذكاء الاصطناعي لتحسين التصوير الطبي ليس بالأمر الجديد، ولكن العديد من التحديات لاستخدام الذكاء الاصطناعي في هذا المجال تجعله مقصورًا على عدد قليل من التطبيقات السريرية. أحد هذه التحديات هو عبء الشرح البشري.

لكي “تتعلم” اكتشاف المرض أو غيره من الحالات الشاذة في الصور الطبية، يجب تدريب نماذج الذكاء الاصطناعي باستخدام بيانات التصوير ذات الصلة. ومع ذلك، لمعرفة ما هو مهم سريريًا في الصورة للمهمة التي تم تعيينها، يجب تدريب الذكاء الاصطناعي باستخدام الصور التي شرحها الأطباء البشريون.

يتطلب الكم الهائل من البيانات والتعليقات التوضيحية اللازمة لتدريب النموذج جهدًا بشريًا كبيرًا. يجب أن يستغرق الباحثون وقتًا للعثور على خبراء إكلينيكيين يرغبون في إضافة تعليقات توضيحية للصور، وإرشادهم إلى كيفية إضافة تعليقات توضيحية للصور لأغراض تلك الدراسة، وربما تعويض كل مضيف توضيحي بطريقة ما، هذا بالإضافة إلى التعليقات التوضيحية على الصور، والتي يمكن أن تكون عملية شاقة للمعلقين.

يمكن أن تحد هذه العقبات أو تبطئ تقدم الباحثين عند تطوير أو تقييم نموذج التصوير بالذكاء الاصطناعي. ومع ذلك، فإن النموذج الذي طورته HMS وستانفورد، والمعروف باسم CheXzero، أظهر أنه يمكن أن يكتشف المرض بدقة داخل صور الصدر الشعاعية من خلال الاعتماد على التقارير السريرية التي تم إنشاؤها بواسطة NLP بدلاً من التعليقات التوضيحية التي أدلى بها البشر.

يخضع النموذج للإشراف الذاتي، مما يعني أنه يدرب نفسه على تعلم جزء من المدخلات من جزء آخر. تعد خوارزميات التعلم الخاضع للإشراف الذاتي (SSL) نوعًا من تقنيات التعلم الآلي (ML) المصممة لمعالجة مشكلة الاعتماد المفرط على البيانات المصنفة. في العديد من سيناريوهات العالم الحقيقي، يكافح الباحثون لجمع وتصنيف كمية البيانات عالية الجودة التي يحتاجون إليها. توفر SSLs بديلاً منخفض التكلفة وقابل للتطوير.

قال الباحث الرئيسي في الدراسة براناف راجبوركار، دكتوراه وأستاذ مساعد في المعلوماتية الطبية الحيوية في معهد بلافاتنيك في HMS: “نحن نعيش الأيام الأولى لنماذج الذكاء الاصطناعي الطبية من الجيل التالي القادرة على أداء مهام مرنة من خلال التعلم المباشر من النص”. في البيان الصحفي. “حتى الآن، اعتمدت معظم نماذج الذكاء الاصطناعي على التعليقات التوضيحية اليدوية لكميات هائلة من البيانات – تصل إلى 100000 صورة، لتحقيق أداء عالٍ. لا تحتاج طريقتنا إلى مثل هذه التعليقات التوضيحية الخاصة بالمرض”.

عندما اختبروا نموذجهم في دراسة نشرتها Nature Biomedical Engineering في وقت سابق، وجد الباحثون أن النموذج لم يكن دقيقًا للغاية عند مقارنته بثلاثة نماذج أخرى فحسب، بل كان أداؤه مشابهًا أيضًا لثلاثة أطباء أشعة.

قال المؤلف المشارك الأول للدراسة إيكين تيو Ekin Tiu، وهو طالب جامعي في جامعة ستانفورد وباحث زائر في HMS، في البيان الصحفي: “تُظهر CheXzero أن دقة تفسير الصور الطبية المعقدة لم تعد بحاجة إلى البقاء تحت رحمة مجموعات البيانات ذات العلامات الكبيرة”. “نحن نستخدم الأشعة السينية للصدر كمثال للقيادة، ولكن في الواقع، يمكن تعميم قدرة CheXzero على مجموعة واسعة من الإعدادات الطبية حيث تكون البيانات غير المنظمة هي القاعدة، وتجسد بدقة الوعد بتجاوز عنق الزجاجة واسع النطاق الذي ابتليت به مجال التعلم الآلي الطبي”.