تُعدّ الصور الطبية، مثل التصوير بالرنين المغناطيسي والأشعة السينية، أدوات أساسية لتشخيص الأمراض وتقييم الحالة الصحية، ولكن هذه الصور غالبًا ما تكون معقدة وصعبة الفهم بالنسبة للعين غير المدربة، إذ تبدو وكأنها مجموعة غامضة من البقع السوداء والبيضاء وقد يكون من الصعب للغاية فك رموز مكان انتهاء هيكل تشريحي (مثل الورم) وبدء هيكل آخر.

وعند تدريب أنظمة الذكاء الاصطناعي على فهم حدود الهياكل التشريحية، يمكنها تحديد المناطق المرضية في الصور الطبية تلقائيًا بدقة، بدلًا من إضاعة الوقت في تتبع التشريح يدويًا عبر العديد من الصور، مما يوفر وقتًا ثمينًا للأطباء ويساعدهم في اتخاذ قرارات أكثر دقة.

ولكن المشكلة أن عملية تدريب أنظمة الذكاء الاصطناعي على تحليل الصور الطبية تتطلب جهدًا بشريًا كبيرًا، إذ يتعين على الباحثين والأطباء وضع علامات يدوية على عدد ضخم من الصور لتحديد المناطق ذات الأهمية، فعلى سبيل المثال، يتطلب تدريب نموذج لتعرف قشرة المخ في صور الرنين المغناطيسي وضع علامات على هذه القشرة في  عدد كبير من الصور، وهذه عملية تستغرق وقتًا وجهدًا كبيرين، مما يؤثر في تطوير هذه الأنظمة ويحد من انتشارها.

فما الحل؟

لتجاوز هذه التحديات، طور باحثون من مختبر علوم الحاسوب والذكاء الاصطناعي التابع لمعهد ماساتشوستس للتكنولوجيا، ومستشفى ماساتشوستس العام، وكلية الطب في جامعة هارفارد، إطار عمل تفاعلي جديد يُسمى (ScribblePrompt)، وهو عبارة عن أداة مبتكرة قادرة على تحليل أي صورة طبية بسرعة وبدقة عالية، حتى الصور التي لم تُدرب عليها سابقًا.

كيف تعمل أداة (ScribblePrompt)؟

بدلًا من الاعتماد على التسمية اليدوية للملايين من الصور، ابتكر الباحثون طريقة جديدة لمحاكاة سلوك المستخدمين في تحليل الصور الطبية، إذ حللوا أكثر من 50,000 مسح طبي مختلف، بما يشمل: التصوير بالرنين المغناطيسي والموجات فوق الصوتية والصور الفوتوغرافية، والصور الميكروسكوبية، لمعرفة كيف يشير المتخصصون إلى الأجزاء الهامة في هذه الصور عبر الهياكل في العينين، والخلايا، والأدمغة، والعظام، والجلد، والمزيد.

ثم استخدموا خوارزميات متقدمة لمحاكاة هذه الإشارات، مثل الخربشة والنقر على مناطق مختلفة في الصور الطبية، بالإضافة إلى ذلك، استخدموا خوارزميات (superpixel) لاكتشاف مناطق جديدة ذات أهمية  للباحثين الطبيين، مما ساعدهم في توليد كميات ضخمة من بيانات التدريب، وقد ساهمت هذه البيانات في تدريب أداة (ScribblePrompt) على فهم الصور الطبية وتقسيمها بدقة عالية، حتى تلك التي لم يسبق لها أن رأتها في بيانات التدريب من قبل.

وتقول هالي وونج، طالبة الدكتوراه في معهد ماساتشوستس للتكنولوجيا والمؤلفة الرئيسية في ورقة بحثية جديدة حول (ScribblePrompt): “يتمتع الذكاء الاصطناعي بإمكانات كبيرة في تحليل الصور وغيرها من البيانات العالية الأبعاد، مما يُمكن الأطباء من اتخاذ قرارات أكثر دقة بسرعة، لذلك طورنا أداة (ScribblePrompt) التي تساعد الأطباء في تحديد الأجزاء المهمة في الصور الطبية بدقة وسرعة فائقة. وبفضل هذه الأداة، يمكن للأطباء توفير ما يقرب من 28% من الوقت مقارنة بأحدث النماذج المتاحة، مثل: (Segment Anything Model) الذي يُعرف اختصارًا باسم (SAM)، والذي طورته شركة Mta“.

مزايا أداة (ScribblePrompt):

تتميز أداة (ScribblePrompt) بواجهة بسيطة، إذ يمكن للمستخدمين سواء كانوا أطباء أو ممرضين الكتابة بخط اليد على الجزء الذي يرغبون في تحديده في الصورة، أو النقر عليه مباشرة، وستقوم الأداة تلقائيًا بتحديد المنطقة بدقة، سواء كانت أوردة صغيرة في صورة لشبكية العين أو أي شكل آخر، كما يمكن للمستخدمين تحديد المناطق في الصور برسم مربع حولها، مما يجعلها أداة مثالية لمختلف الاحتياجات.

بعد ذلك، يمكن للأداة إجراء تصحيحات بناءً على تعليقات المستخدم، إذ يمكنها زيادة دقة التحديد عن طريق إضافة تفاصيل إضافية إلى المنطقة التي حددها المستخدم، على سبيل المثال، إذا كانت الأداة قد فاتتها بعض الحافات يمكن للمستخدم إكمال رسمها يدويًا، كما يمكنه حذف الأجزاء غير المرغوب فيها باستخدام أداة (الخربشة السلبية).

وقد جعلت هذه القدرات التفاعلية الذاتية التصحيح أداة (ScribblePrompt)، هي الأداة المفضلة بين الباحثين في قسم التصوير العصبي في مستشفى ماساتشوستس العام، إذ فضلت نسبة بلغت 93.8% من الباحثين أداة (ScribblePrompt) على نموذج (SAM) – الذي طورته شركة Meta – في تحسين مقاطعهم بناءً على تصحيحات الخربشة، كما فضلت نسبة بلغت 87.5% من الباحثين ScribblePrompt لإجراء التعديلات القائمة على النقر.

وقد دُربت أداة (ScribblePrompt) على رسومات ونقرات محاكاة على 54000 صورة عبر 65 مجموعة بيانات، تضم مسحًا للعينين والصدر والعمود الفقري والخلايا والجلد وعضلات البطن والرقبة والدماغ والعظام والأسنان، وقد تعرفت 16 نوعًا من الصور الطبية، بما يشمل: المسح المقطعي المحوسب، والأشعة السينية، والتصوير بالرنين المغناطيسي، والموجات فوق الصوتية، والصور الفوتوغرافية.

ما الذي يجعل أداة (ScribblePrompt) مختلفة؟

• سهولة الاستخدام: لا يتطلب استخدام أداة (ScribblePrompt) أي مهارات تقنية خاصة.
• التفاعل الطبيعي: توفر أداة (ScribblePrompt) واجهة مستخدم بسيطة تسمح للمستخدمين بالتفاعل مع الصور بطريقة طبيعية، كما لو كانوا يرسمون على ورقة، إذ يمكن للمستخدم ببساطة رسم خطوط أو مربعات على الصورة لتحديد المنطقة التي يرغب في تحليلها، وستفهم الأداة التعليمات بدقة وتسلط الضوء على المنطقة المطلوبة.
• التعلم من البيانات الضخمة: دُربت الأداة على كم ضخم من البيانات، مما ساعدها في تطوير فهم عميق للصور الطبية، ويمكنها تعرف أنواع مختلفة من الصور الطبية، مثل التصوير بالرنين المغناطيسي والأشعة السينية والموجات فوق الصوتية.
• التعميم على أنواع جديدة من الصور: يمكن لأداة ScribblePrompt التعامل مع أنواع جديدة من الصور التي لم تُدرب عليها سابقًا، مما يجعله أداة مرنة وقابلة للاستخدام في مجموعة واسعة من التطبيقات الطبية.

ما تأثير أداة (ScribblePrompt) في مجال الرعاية الصحية؟

تمثل أداة (ScribblePrompt) قفزة نوعية في مجال الرعاية الصحية، وذلك بفضل قدرتها على تحليل الصور الطبية بدقة وسرعة فائقة وسهولة استخدامها دون الحاجة إلى أي مهارات تقنية، وإليك بعض التأثيرات المتوقعة لهذا التطور:

• تحسين دقة التشخيص: تساعد ScribblePrompt الأطباء في تحديد المناطق المصابة بدقة عالية في الصور الطبية، مما يؤدي إلى تشخيصات أكثر موثوقية، كما تختصر الوقت اللازم لتحليل الصور، مما يسمح للأطباء بتشخيص الحالات المرضية بنحو أسرع.
• تخصيص العلاج: تساعد في تحديد الأهداف العلاجية بدقة عالية، ويمكن استخدامها لتقييم فعالية العلاج ومتابعة تطور الحالة الصحية للمريض بمرور الوقت، مما يسمح بتخصيص العلاج لكل مريض على حدة.
• زيادة الإنتاجية: تقلل من الوقت والجهد اللازم لتحليل الصور الطبية، مما يسمح للأطباء بالتركيز على جوانب أخرى من الرعاية الصحية.
• تطوير الأبحاث الطبية: يمكن استخدامها لتحليل كميات ضخمة من البيانات الطبية، مما يساهم في اكتشاف علاجات جديدة وأكثر فعالية.
• توسيع نطاق وصول الرعاية الصحية: يمكن استخدام ScribblePrompt في التشخيص من بُعد، مما يتيح للأشخاص الذين يعيشون في المناطق النائية الوصول إلى الرعاية الصحية.