→ العودة إلى الصفحة الرئيسية

جعل الحكم على صور الأشعة السينية للصدر قابلاً للتتبّع: CLEAR يفكك تنبؤات الصندوق الأسود إلى مفاهيم سريرية

لا يكتفي هذا النموذج المفتوح برصد الشذوذات في الصور، بل يحاول أيضاً توضيح الأساس الذي يستند إليه الحكم: فهو يربط التنبؤات بمئات الآلاف من الملاحظات الإشعاعية، ما يتيح للأطباء فحص القرائن التي يعتمد عليها النموذج وتصحيحها؛ لكن التقدم في الشفافية لأغراض البحث لا يزال يفصله شوط حاسم عن السلامة السريرية والقبول التنظيمي.

By SURL BioNews

تُعد الأشعة السينية للصدر من أكثر فحوص التصوير شيوعاً في الممارسة السريرية، لكن الذكاء الاصطناعي القادر على تقديم الإجابة الصحيحة قد لا يكون بالضرورة قادراً على توضيح سبب صحتها. وهذه الفجوة ليست مجرد مسألة ثقة: فإذا اعتبر النموذج انخماص الرئة أو وضعية التصوير أو الانحياز الناجم عن مصدر البيانات دليلاً على تضخم القلب، فقد يتعطل أداؤه عند الانتقال إلى مستشفى آخر، حتى لو بدت دقته الإجمالية جيدة. ومن هنا ينطلق CLEAR، المنشور في مجلة «Nature Biomedical Engineering»، مركزاً على سؤال: «هل يمكن تتبّع مسار الحكم؟»

CLEAR هو نموذج تأسيسي مفتوح الوصول للصور الطبية الحيوية. ووفقاً لشرح مستودع الشفرة الرسمي، يحوّل كل صورة أشعة سينية للصدر إلى درجات تشابه مع 368,294 مفهوماً من مفاهيم الملاحظات الإشعاعية، ثم تنجز مصنّفات أخف وزناً مهام محددة. وبهذه الطريقة، لا يعود التنبؤ الإيجابي أو السلبي مجرد درجة واحدة، بل يستطيع الباحثون أيضاً تفكيك المفاهيم التي رفعت النتيجة وتلك التي خفضتها.

تأتي مكتبة المفاهيم الضخمة هذه من تقارير الأشعة، وتشمل دلالات مثل علامات الأمراض والمواقع التشريحية وأوصاف الصور. وتُظهر بيانات النموذج الرسمية أن CLEAR يستخدم مُرمّز الصور DINOv2 ViT-B/14 ومُرمّزاً للنصوص الإشعاعية لوضع الصور والنصوص في فضاء مشترك ذي 768 بُعداً؛ أما التدريب المسبق فاستخدم ما مجموعه 873,342 زوجاً من صور الأشعة السينية للصدر والتقارير من MIMIC-CXR وCheXpert-Plus وReXGradient، وشمل 239,391 مريضاً.

كما قيّم فريق البحث النموذج على أربع مجموعات بيانات موسومة من أطباء في الولايات المتحدة وأوروبا وآسيا، لاختبار أدائه عبر مصادر بيانات مختلفة. وظهرت قيمة أكثر تحديداً في تدقيق النموذج: فعند تفسير اتساع المنصف القلبي، وجد الباحثون أن المصنّف يعتمد على مفاهيم مرتبطة بانخماص الرئة؛ وبعد إزالة هذا المسار المختصر الذي قد يسبب الالتباس، وإعادة ملاءمة المصنّف الخفيف الوزن فقط من دون إعادة تدريب مُرمّز الصور، ارتفعت AUROC من 0.727 إلى 0.784. ويُظهر ذلك أن قابلية التفسير ليست مجرد عرض لاحق للنتائج، بل قد تصبح أيضاً أداة لتصحيح النموذج.

لكن «قابلية قراءة المفاهيم» لا تعني «الموثوقية السببية». فمكتبة المفاهيم مشتقة من تقارير قائمة، وقد تظل ترث الانحيازات المرتبطة بصياغة التقارير وإجراءات المستشفيات وتركيبة المرضى؛ كما أن المفاهيم ذات الأوزان المرتفعة التي يسردها النموذج لا تُظهر سوى ارتباطات حسابية، ولا يمكنها بمفردها إثبات أنه التقط الآلية المرضية الحقيقية. وتوفر مجموعات البيانات الأربع الموسومة من أطباء اختبارات عابرة للمناطق، لكن الملخص المنشور وبيانات النموذج لا يزالان غير كافيين للإجابة عن مدى الاستقرار في مسارات العمل الاستباقية، وعبر الأجهزة المختلفة، وفي الأمراض النادرة، ولدى مختلف المجموعات الفرعية من المرضى.

أتاح فريق البحث علناً الشفرة ونصوص الدراسة البرمجية وأوزان النموذج ومفردات المفاهيم وبيانات التضمين المحسوبة مسبقاً، بما يسمح لباحثين آخرين بإعادة إنتاج هذه الطريقة واختبارها. وهذا يعزز إمكانية التدقيق الخارجي، لكنه لا يشكل اعتماداً سريرياً: إذ يوضح المستودع الرسمي صراحة أن CLEAR مخصص للبحث فقط، وليس جهازاً طبياً، ولم يخضع للتحقق لاستخدامه في التشخيص أو العلاج أو فرز المرضى. ولإدخاله إلى المستشفيات، لا تقتصر الخطوة التالية على مقارنة الدقة، بل يجب أيضاً إثبات أن تفسيرات المفاهيم يمكن فهمها بصورة متسقة في الممارسة السريرية الفعلية، وأنها تستطيع كشف الأخطاء في الوقت المناسب، وأنها تخلّف أدلة سلامة قابلة للتتبّع وفق المتطلبات التنظيمية.

References

  1. Nature Biomedical Engineering
  2. GitHub
  3. Hugging Face