تعمل خوارزمية الذكاء الاصطناعي على تحسين دقة وتكاليف تشخيص الصور الطبية

التصوير الطبي ، الذي يعد جزءًا رئيسيًا من الرعاية الصحية الحديثة ، هو أحد التقنيات التي تم تحسينها بشكل كبير من خلال الذكاء الاصطناعي (AI). مع ذلك ، يتطلب تشخيص الصور الطبية الذي يعتمد على خوارزميات الذكاء الاصطناعي كميات كبيرة من التعليقات التوضيحية كإشارات إشراف لتدريب النموذج. 

يجب على أخصائيي الأشعة إعداد تقارير الأشعة لكل مريض من مرضاهم للحصول على هذه التسميات الدقيقة للخوارزميات. ويجب عليهم بعد ذلك الاعتماد على فريق عمل التعليقات التوضيحية لاستخراج وتأكيد التسميات المنظمة من التقارير باستخدام القواعد المحددة بواسطة الإنسان وأدوات معالجة اللغة الطبيعية (NLP) الحالية. وهذا يعني أن دقة الملصقات المستخرجة تعتمد بشكل كبير على العمل البشري وأدوات البرمجة اللغوية العصبية، والطريقة بأكملها تتطلب عمالة مكثفة وتستغرق وقتًا طويلاً. 

نهج المبردات

الآن ، طور فريق من المهندسين في جامعة هونج كونج (HKU) أسلوبًا جديدًا يسمى "REEFERS" (مراجعة تقارير النص الحر للإشراف). يمكن لهذه الطريقة الجديدة خفض التكاليف البشرية بنسبة 90٪ من خلال تمكين الاكتساب التلقائي لإشارات الإشراف من مئات الآلاف من تقارير الأشعة. ينتج عن هذا تنبؤات أكثر دقة.

تم نشر البحث الجديد في المخابرات آلة الطبيعة. وهو بعنوان "التعلم عن التمثيل الشعاعي المعمم من خلال الإشراف روسي بين الصور وتقارير الأشعة ذات النص الحر." 

يقربنا نهج REEFERS من تحقيق الذكاء الاصطناعي الطبي المعمم.

البروفيسور يو ييتشو هو قائد الفريق الهندسي في قسم علوم الكمبيوتر بجامعة هونج كونج. 

"نعتقد أن جمل التفكير المنطقي المجردة والمعقدة في تقارير الأشعة توفر معلومات كافية لتعلم الميزات المرئية القابلة للنقل بسهولة. من خلال التدريب المناسب ، يتعلم REFERS مباشرة تمثيلات الأشعة من تقارير النص الحر دون الحاجة إلى إشراك القوى العاملة في وضع العلامات ". قال الأستاذ يو.

تدريب النظام

لتدريب REEFERS ، يستخدم الفريق قاعدة بيانات عامة تحتوي على 370,000 صورة بالأشعة السينية ، بالإضافة إلى تقارير الأشعة المرتبطة بها. قام الباحثون ببناء نموذج التعرف بالأشعة باستخدام 100 صورة شعاعية فقط وحققوا دقة بنسبة 83٪ في التنبؤات. تمكن النموذج بعد ذلك من تحقيق معدل دقة 88.2٪ عند زيادة الرقم إلى 1,000. عندما تم استخدام 10,000 صورة شعاعية ، ارتفعت الدقة مرة أخرى إلى 90.1٪. 

يمكن لـ REEFERS تحقيق الهدف من خلال إكمال مهمتين مرتبطتين بالتقرير. الأول يتضمن ترجمة الصور الشعاعية إلى تقارير نصية عن طريق ترميز الصور الشعاعية أولاً في تمثيل وسيط. ثم يتم استخدام هذا للتنبؤ بالتقارير النصية عبر شبكة مفكك الشفرات. لقياس التشابه بين نصوص التقارير المتوقعة والحقيقية ، يتم تحديد دالة التكلفة. 

تتضمن المهمة الثانية REEFERS أولاً بتشفير كل من الصور الشعاعية وتقارير النص الحر في نفس المساحة الدلالية. في هذه المساحة ، يتم محاذاة تمثيلات كل تقرير والصور الشعاعية المرتبطة بها من خلال التعلم التباين.

الدكتور Zhou Hong-Yu هو المؤلف الأول للورقة.

"مقارنة بالطرق التقليدية التي تعتمد بشكل كبير على التعليقات التوضيحية البشرية ، تمتلك REFERS القدرة على الحصول على الإشراف من كل كلمة في تقارير الأشعة. يمكننا تقليل مقدار التعليقات التوضيحية للبيانات بشكل كبير بنسبة 90٪ وتكلفة بناء الذكاء الاصطناعي الطبي. وقال إنه يمثل خطوة مهمة نحو تحقيق الذكاء الاصطناعي الطبي المعمم.