استخدام الذكاء الاصطناعي في إجراء التشخيص هو قاب قوسين أو أدنى. وأقرب مما يبدو. في الواقع ، تمكن فوراً فريقان بحثيان على جانبي المحيط الأطلسي من حل مشكلة "الصندوق الأسود" لمنظمة العفو الدولية في مجال الطب.
تكمن المشكلة في الصندوق الأسود في أن نظام الذكاء الاصطناعي عند تقديم النتائج ، وفي الطب يشخص ويوصي بالمزيد من العلاج ، لا يوفر الأساس المنطقي الذي يتطلب ، على وجه الخصوص ، إدارة الغذاء والدواء الأمريكية (FDA) .
في ديسمبر من العام الماضي ، ذكرت مستشفى ماساتشوستس العام (مستشفى ماساتشوستس العام) أنها كانت قادرة على تعليم منظمة العفو الدولية على "شرح" تشخيص النزيف داخل الجمجمة. قبل خمسة أشهر ، أعلنت شركة DeepMind البريطانية ، التي استحوذت عليها Google في عام 2014 ، عن تقدم مماثل في تشخيص أمراض العيون.
كانت المهمة الرئيسية لكلا الفريقين هي تعليم النظام تقييم صور الماسحات الضوئية واتخاذ القرارات كما يفعل الطبيب المختص.
أطلس العلامات
طور الأطباء في قسم الأشعة بمستشفى ماساتشوستس ، جنبًا إلى جنب مع طلاب الدراسات العليا من جامعة هارفارد للهندسة والعلوم التطبيقية ، نموذجًا لمنظمة العفو الدولية يمكنه تصنيف نزيف داخل الجمجمة ، وفقًا لبيان صحفي على موقع المستشفى. لتدريب النظام ، استخدم الفريق 904 الأشعة المقطعية (التصوير المقطعي) ، كل منها يحتوي على حوالي 40 صورة فردية. قام فريق من خمسة اختصاصيين في علم الأعصاب بتمييز كل صورة لوجود واحد من الأنواع الفرعية الخمسة للنزف ، بناءً على الموقع ، وكذلك عدم وجود نزيف في حد ذاته. لتحسين دقة نظام التعلم العميق ، قام الفريق بدمج الإجراءات التي تحاكي عملية تحليل الصور من قبل أخصائي الأشعة ، والتي تشمل ضبط المعلمات مثل التباين والسطوع للكشف عن الاختلافات المخفية ، والتمرير المقاطع المجاورة للفحص CT لتحديد ما إذا كان هناك شيء قد ظهر بالفعل في صورة واحدة ، يعكس مشكلة حقيقية أم أنها لا تتحدث عن أي تشويه.
مباشرة بعد إنشاء نموذج النظام ، قام الباحثون باختباره بمجموعتين منفصلتين من فحوصات الأشعة المقطعية: 100 فحص بنزف داخل الجمجمة و 100 بدونه ، تم إجراؤه قبل تطوير النظام ، و 79 فحصًا بنزف و 117 بدونه ، بعد أخذ النموذج تم إنشاؤه. في حالة مجموعة البيانات الأولى المأخوذة من قبل ، كان النموذج دقيقًا في تحديد وتصنيف النزيف داخل الجمجمة على مستوى التحليل الذي أجراه أخصائي الأشعة. عند تحليل المجموعة الثانية ، أثبتت أنه يمكن أن يكون أفضل من شخص ليس خبيراً في هذا المجال.
لحل مشكلة "الصندوق الأسود" ، قام الفريق بفحص النظام وحفظ تلك الصور من مجموعة بيانات التدريب التي تمثل بوضوح أكبر الأعراض المميزة لكل من الأنواع الفرعية الخمسة للنزف. باستخدام هذا الأطلس الخاص بالميزات المميزة ، يمكن للنظام أن يمثل مجموعة من الصور المشابهة للصورة المستخدمة في تحليل فحوصات الأشعة المقطعية من أجل شرح الأسباب التي تم اتخاذ القرارات بشأنها.
يوضح هذا الرسم التوضيحي قدرة النظام على شرح تشخيص نزيف تحت العنكبوتية (أعلى اليسار) وداخل البطيني (أسفل اليسار) ، مع عرض صور لها أعراض مماثلة (يمين) من أطلس الصور المستخدمة لتدريب النظام.
"إن التعرف السريع على النزف داخل الجمجمة ، يليه العلاج المناسب الفوري للمرضى الذين يعانون من أعراض السكتة الدماغية الحادة ، يمكن أن يقلل من الآثار الصحية الشديدة ويمنع الموت" ، قال الباحث المشارك في الدراسة مايكل ليو. - في العديد من المختبرات ، لا يوجد أخصائيون متخصصون في علم الأعصاب ، وخاصة في الليل أو في عطلات نهاية الأسبوع ، مما يتطلب من غير المتخصصين تقرير ما إذا كانت أعراض المريض ناتجة عن نزيف أم لا. إن توفر "رأي ثانٍ افتراضي" موثوق به ، يتم تدريبه من قبل أطباء الأشعة العصبية ، يمكن أن يحسن نتائج غير المتخصصين ويساعد في التأكد من أن المرضى يتلقون العلاج المناسب ".
خريطة تجزئة الأنسجة
في أغسطس 2018 ، نشرت شركة DeepMind البريطانية دراسة عن مورد طب الطبيعة ذكرت فيه أنها قد حلت مشكلة "الصندوق الأسود" من خلال تطوير نموذج الذكاء الاصطناعي الذي يمكن أن يعمل على مستوى طبي احترافي ، لكن ، على الرغم من ذلك ، لا يستبعد الأشخاص من عملية العلاج ، ولكن على العكس من ذلك ، يساعد الأطباء على أن يكونوا أكثر فعالية ، كما في الحالة الموضحة أعلاه.
وفقا لدراسة نشرت ، عمل فريق DeepMind في مجال أمراض العيون بالتعاون مع مركز مكافحة أمراض العيون ، مستشفى مورفيلدز للعيون وطور نموذجا لتشخيص الصور ثلاثية الأبعاد للتصوير المقطعي البصري. كان من الممكن فتح "الصندوق الأسود" عن طريق إنشاء شبكتين عصبيتين منفصلتين تعملان معًا. الأولى ، تجزئة باستخدام بنية تلافيفية ثلاثية الأبعاد (U-Net) ، يحول مسح OCT الخام إلى خريطة تجزئة لأنسجة العين. للتدريب ، تم استخدام 877 عملية مسح سريري OCT ، وكان لكل منها 128 قسمًا ، وتم تجزئة ثلاثة ممثلين يدويًا فقط. تعثر شبكة التقسيم على أعراض مختلفة (نزيف ، آفات بؤرية ، وما إلى ذلك) وتقوم بإنشاء خريطة. وفقًا لمصطفى سليمان ، رئيس Applied AI ، على مدونة الشركة ، فإن ذلك يساعد علماء البصريات في الوصول إلى كيفية "تفكير" النظام.
تقوم الشبكة العصبية الثانية التي تصنف وتحلل الخريطة المقترحة وتوفر التشخيصات وتوصيات العلاج للعاملين. يعتبر المطورون أنه من الأهمية بمكان أن تعرض الشبكة التوصيات كنسب مئوية ، مما يسمح للأطباء بتقييم "ثقة" النظام في تحليله. يقول مصطفى سليمان: "هذه الميزة مهمة للغاية ، حيث يلعب أخصائيو البصريات دورًا رئيسيًا في تقرير العلاج الذي سيتلقاه المرضى". ووفقا له ، فإن الميزة الرئيسية للنظام ، والتي تجعله مفيدا في الممارسة العملية ، هي الفرصة للأطباء لدراسة توصيات منظمة العفو الدولية بعناية. تم تصميم هذا النظام للمساعدة في منع فقدان البصر تمامًا من خلال تسريع تشخيص الأمراض مثل اعتلال الشبكية السكري وانحطاط البقعي المرتبط بالعمر وعشرات الأمراض الأخرى.
وصف التوضيح. الحصول على العمليات الحسابية باستخدام مجموعة معقدة من الشبكات وتصنيفها. يوضح الرسم التوضيحي كيف يتم استخدام مجموعة مكونة من 5 عينات من شبكة مجزأة و 5 عينات من شبكة تصنيف معًا لإنشاء 25 تنبؤًا لفحص واحد. توفر كل شبكة مجزأة عينة مبدئيًا خريطة مقسمة للافتراضات استنادًا إلى OCT قيد التحقيق. لكل من الافتراضات الخمسة ، توفر أنماط شبكة التصنيف الاحتمال لكل علامة. هنا ، يتم تقديم علامة موقع ضمور بالتفصيل.
يعرب كل من فريق البحث عن الأمل في أن الأنظمة التي طورها لن تحل محل الأطباء ، ولكنها ستساعدهم على أن يكونوا أكثر فعالية في اتخاذ القرارات ، مما يعني أنهم سيساعدون في مساعدة المزيد من المرضى في وقت قصير. والخطوة التالية هي استخدام التطورات مباشرة في ماسحات المستشفى.