يعمل الذكاء الاصطناعي السريري الذي طورته جامعة هارفارد على قدم المساواة مع أخصائي الأشعة البشرية
ابتكر علماء من كلية الطب بجامعة هارفارد وجامعة ستانفورد أداة تشخيصية باستخدام الذكاء الاصطناعي يمكنها اكتشاف الأمراض في الأشعة السينية على الصدر بناءً على أوصاف اللغة الطبيعية المتوفرة في التقارير السريرية المصاحبة.
نظرًا لأن معظم نماذج الذكاء الاصطناعي الحالية تحتاج إلى شرح بشري شاق لكميات هائلة من البيانات قبل إعطاء البيانات المصنفة في النموذج لتدريبها، فإن الخطوة تعتبر تقدمًا كبيرًا في تصميم الذكاء الاصطناعي السريري.
تم إجراء النموذج، المسمى CheXzero ، على قدم المساواة مع أخصائي الأشعة البشرية في قدرته على تحديد الأمراض في الأشعة السينية للصدر، وفقا لورقة تصف عملهم والتي نُشرت في Nature Biomedical Engineering . جعلت المجموعة أيضًا رمز النموذج متاحًا بشكل مفتوح للباحثين الآخرين.
لاكتشاف الأمراض بشكل صحيح أثناء “التدريب”، تحتاج غالبية خوارزميات الذكاء الاصطناعي إلى مجموعات بيانات مصنفة.
نظرًا لأن هذا الإجراء يتطلب شرحًا توضيحيًا مكثفًا ومكلفًا في كثير من الأحيان ويستغرق وقتًا طويلاً من قبل الأطباء البشريين، فإنه من الصعب بشكل خاص للمهام التي تتضمن تفسير الصور الطبية.
على سبيل المثال، لتسمية مجموعة بيانات الصدر بالأشعة السينية، سيتعين على خبراء الأشعة النظر إلى مئات الآلاف من صور الأشعة السينية واحدة تلو الأخرى والتعليق على كل واحدة بوضوح مع الظروف التي تم اكتشافها.
بينما حاولت نماذج الذكاء الاصطناعي الأحدث معالجة هذا الاختناق في وضع العلامات من خلال التعلم من البيانات غير المسماة في مرحلة “ما قبل التدريب”، فإنها تتطلب في النهاية ضبطًا دقيقًا للبيانات المصنفة لتحقيق أداء عالٍ.
على النقيض من ذلك، فإن النموذج الجديد يخضع للإشراف الذاتي، بمعنى أنه يتعلم بشكل أكثر استقلالية، دون الحاجة إلى بيانات مصنفة يدويًا قبل التدريب أو بعده.
يعتمد النموذج فقط على صور الأشعة السينية للصدر وملاحظات اللغة الإنجليزية الموجودة في تقارير الأشعة السينية المصاحبة.
قال الباحث الرئيسي بالدراسة براناف راجبوركار ، الأستاذ المساعد للمعلوماتية الطبية الحيوية في معهد بلافاتنيك في HMS: “نحن نعيش في الأيام الأولى لنماذج الذكاء الاصطناعي الطبية من الجيل التالي القادرة على أداء مهام مرنة من خلال التعلم المباشر من النص”.
“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.
“مع CheXzero ، يمكن للمرء ببساطة تغذية النموذج بأشعة X على الصدر وتقرير الأشعة المقابلة، وسيتعلم أن الصورة والنص في التقرير يجب اعتبارهما متشابهين – بمعنى آخر، يتعلم مطابقة الصدر X- الأشعة مع تقريرهم المصاحب، وأضاف راجبوركار.
“النموذج قادر في النهاية على تعلم كيف تتوافق المفاهيم في النص غير المهيكل مع الأنماط المرئية في الصورة.”
تم “تدريب” النموذج على مجموعة بيانات متاحة للجمهور تحتوي على أكثر من 377000 صورة شعاعية للصدر وأكثر من 227000 ملاحظة سريرية مقابلة.
ثم تم اختبار أدائها على مجموعتي بيانات منفصلتين من صور الأشعة السينية للصدر والملاحظات المقابلة التي تم جمعها من مؤسستين مختلفتين، إحداهما كانت في بلد مختلف.
كان الهدف من هذا التنوع في مجموعات البيانات هو ضمان أداء النموذج جيدًا بشكل متساوٍ عند تعرضه للملاحظات السريرية التي قد تستخدم مصطلحات مختلفة لوصف نفس النتيجة.
عند الاختبار، حدد CheXzero بنجاح الأمراض التي لم يتم شرحها بشكل واضح من قبل الأطباء البشريين.
لقد تفوقت على أدوات الذكاء الاصطناعي الأخرى التي يتم الإشراف عليها ذاتيًا وتم أداؤها بدقة مماثلة لتلك الخاصة بأخصائي الأشعة البشرية.
وقال الباحثون إن هذا النهج يمكن في النهاية تطبيقه على طرائق التصوير التي تتجاوز الأشعة السينية، بما في ذلك التصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي وتخطيط صدى القلب.
قال المؤلف المشارك الأول للدراسة إيكين تيو Ekin Tiu ، وهو طالب جامعي في جامعة ستانفورد وباحث زائر في HMS: “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 قيادة، ولكن في الواقع، فإن قدرة CheXzero قابلة للتعميم على مجموعة واسعة من الإعدادات الطبية حيث البيانات غير المنظمة هي القاعدة، وتجسد بدقة الوعد بتجاوز عنق الزجاجة واسع النطاق الذي ابتليت به مجال التعلم الآلي الطبي “.
المصدر: scitechdaily
شاهد ايضا:
