تعلّم قراءة الدماغ من 5.24 ملايين مجموعة من الصور ثلاثية الأبعاد: NeuroVFM ينتقل إلى اختبار الفرز السريري

غالبًا لا تتمثل عقبة الذكاء الاصطناعي في التصوير الطبي في أن النموذج لم يرَ ما يكفي من الصور، بل في أنه لم يتعرض للفحوص اليومية في المستشفيات الحقيقية، حيث تتفاوت الجودة وتختلف بروتوكولات المسح وتتخللها آفات نادرة. وتعرض دراسة منشورة في مجلة «Nature Medicine» نموذج NeuroVFM، في محاولة لبناء نموذج بصري عام يدعم تشخيصات متعددة وتوليد التقارير وفرز الحالات حسب درجة الاستعجال، بالاعتماد مباشرة على صور الدماغ والرأس والعنق المتراكمة في نظام رعاية صحية كبير.

جمع فريق البحث بيانات 566,915 فحصًا أُجريت على مدى أكثر من 20 عامًا في Michigan Medicine، شملت صور CT وMRI للدماغ والرأس والعنق والوجه والحجاج، وشكّلت في مجموعها 5.24 ملايين مجموعة من الصور ثلاثية الأبعاد. ويستخدم NeuroVFM أسلوبًا ذاتي الإشراف يُسمى Vol-JEPA: إذ يُخفى جزء من المسح ثلاثي الأبعاد ويُطلب من النموذج التنبؤ بالمنطقة المفقودة في فضاء للسمات المجردة، بما يتيح له تعلم المواضع التشريحية والتغيرات المرضية؛ ولا يتطلب التدريب المسبق نفسه تسميات تشخيصية أو تقارير اختصاصيي الأشعة.

في بيانات سريرية مستقلة زمنيًا جرى الاحتفاظ بها، أضاف الباحثون إلى النموذج وحدة تصنيف تغطي 82 تشخيصًا بالـCT و74 تشخيصًا بالـMRI. وبلغ متوسط AUROC الإجمالي عبر المهام الـ156 نسبة 92.68% للـCT و92.49% للـMRI، وتفوق عمومًا على نماذج مرجعية استُخدمت لتدريبها البيانات الداخلية نفسها، لكنها اعتمدت الإشراف بالتقارير أو إعادة بناء الصور. وتُظهر هذه المقارنة أن الأداء لا يعود إلى حجم البيانات وحده، بل يرتبط أيضًا بكيفية تعلّم النموذج من الصور ثلاثية الأبعاد.

بعد ذلك، دمج الفريق مُرمِّز الصور في NeuroVFM مع النموذج اللغوي Qwen3-14B لتوليد خلاصات منظمة لأبرز الموجودات الشعاعية، ثم مرّرها إلى نموذج استدلال لتصنيف الفحص على أنه طبيعي أو عادي أو طارئ. وفي اختبار شمل 300 حالة CT وMRI تحقق منها الخبراء، بلغ معدل الأخطاء في الموجودات الرئيسية ضمن المحتوى الذي ولّده NeuroVFM نحو 10%، مقابل 20% لمجموعة المقارنة باستخدام GPT-5؛ وفي اختبار أعمى، اختار الخبراء تقارير النموذج الأول أكثر من ضعفي عدد مرات اختيارهم تقارير النموذج الثاني. ويقيس ذلك الأداء ضمن مدخلات تصويرية ومسار عمل محددين، ولا يجوز تفسيره على أنه مقارنة شاملة لقدرات جميع النماذج العامة.

أما المرحلة الأقرب إلى ظروف الممارسة الفعلية فكانت دراسة جدوى استباقية «صامتة» لمدة أسبوع، أُجريت في يناير 2026: عالج النموذج صورًا روتينية لـ1,155 مريضًا، لكن نتائجه لم تُستخدم في القرارات الطبية الفعلية. وبلغت دقة الفرز المتوازنة لمسار NeuroVFM نسبة 92.6%، مقارنة بـ71.2% لمسار GPT-5؛ وبين 155 مريضًا لديهم موجود رئيسي واحد على الأقل، بلغت الحساسية 86.5%.

ويرسم هذا الرقم أيضًا حدود السلامة. فقد أغفل NeuroVFM عدد 21 مريضًا لديهم موجودات رئيسية، وكان السبب الأساسي عدم إدراج الآفات الظاهرة في الصور ضمن التقرير المولَّد، وليس خطأً في استدلال الفرز اللاحق. وفي الحالات التي لا تحتمل التأخير، مثل النزف الحاد وتأثير الكتلة، تكفي مثل هذه الحالات الفائتة لاستبعاد استخدام النموذج في مرحلته الحالية أداةً مستقلة للفحص التحري.

إضافة إلى ذلك، جاءت بيانات التدريب أساسًا من نظام رعاية صحية أكاديمي واحد في الولايات المتحدة، وقد يرث النموذج انحيازات مرتبطة بتركيبة المرضى المحليين والأجهزة ومسارات العمل السريرية؛ وحتى بعد ربطه بنموذج لغوي، لا يزال من الممكن أن يولّد موجودات غير موجودة. وتحمل النماذج والشيفرات البرمجية التي نشرها فريق البحث وسمًا واضحًا بأنها مخصصة للبحث فقط وليست أجهزة طبية. ولا تقتصر الخطوة التالية على التحقق من الدقة في مزيد من المستشفيات، بل تشمل أيضًا حوكمة البيانات والمراقبة المستمرة وتحديد المسؤوليات والمراجعة التنظيمية؛ وإلى أن تتضح هذه المسائل، تظل مراجعة الأطباء السريريين أمرًا لا يمكن الاستغناء عنه.