خوارزمية الذكاء الاصطناعي تحسن الدقة وتكلفة تشخيص الصور الطبية

التصوير الطبي، وهو جزء رئيسي من الرعاية الصحية الحديثة، هو واحد من التكنولوجيات التي تم تحسينها بشكل كبير من خلال الذكاء الاصطناعي. ومع ذلك، فإن تشخيص الصور الطبية بالاعتماد على خوارزميات الذكاء الاصطناعي يتطلب كميات كبيرة من التعليقات كإشارات إشراف لتدريب النماذج.

يجب على الأطباء الإشعاعيين إعداد تقارير إشعاعية لمرضاهم لاكتساب هذه العلامات الدقيقة للخوارزميات. ثم يجب عليهم الاعتماد على موظفين لاستخراج وتأكيد العلامات المهيكلة من التقارير باستخدام قواعد محددة مسبقًا وأدوات معالجة اللغة الطبيعية الحالية. هذا يعني أن دقة العلامات المستخرجة تعتمد بشكل كبير على العمل البشري وأدوات معالجة اللغة الطبيعية، والطريقة بأكملها متعبة ووقتية.

منهج REEFERS

الآن، فريق من المهندسين في جامعة هونغ كونغ (HKU) قد طور منهجًا جديدًا يسمى “REEFERS” (مراجعة تقارير نصية حرة للإشراف). هذا المنهج الجديد يمكن أن يقلل من التكاليف البشرية بنسبة 90% من خلال تمكين الحصول التلقائي على إشارات الإشراف من مئات الآلاف من تقارير الإشعاع. هذا يؤدي إلى تنبؤات أكثر دقة.

نشرت الأبحاث الجديدة في Nature Machine Intelligence. عنوانها “تعلم تمثيل الأشعة السينية العام من خلال الإشراف بين الصور وتقارير الإشعاع النصية”.

يقرب منهج REEFERS من تحقيق الذكاء الاصطناعي الطبي العام.

الأستاذ يو ييزهو هو قائد فريق الهندسة في قسم علوم الحاسوب بجامعة هونغ كونغ.

“نعتقد أن الجمل المنطقية المجردة والمركبة في تقارير الإشعاع توفر معلومات كافية لتعلم الميزات البصرية القابلة للنقل بسهولة. مع التدريب المناسب، يتعلم REEFERS مباشرة تمثيلات الأشعة السينية من التقارير النصية الحرة دون الحاجة إلى المشاركة البشرية في التسمية.” قال الأستاذ يو.

تدريب النظام

为了 تدريب REEFERS، يستخدم الفريق قاعدة بيانات عامة تحتوي على 370,000 صورة أشعة سينية، بالإضافة إلى تقارير إشعاعية مرتبطة. بنى الباحثون نموذجًا لتعرف الأشعة السينية باستخدام 100 صورة إشعاعية فقط وحقق دقة 83% في التنبؤات. تمكنت النموذج من تحقيق دقة 88.2% عند زيادة العدد إلى 1,000. وعندما تم استخدام 10,000 صورة إشعاعية، زادت الدقة مرة أخرى إلى 90.1%.

يمكن لREEFERS تحقيق الهدف من خلال إكمال مهمتين متعلقتين بالتقارير. المهمة الأولى تتضمن ترجمة الأشعة السينية إلى تقارير نصية من خلال ترميز الأشعة السينية إلى تمثيل وسيط، ثم استخدام شبكة فك الترميز لتوقع النصوص. يتم تعريف دالة تكلفة لقياس التشابه بين النصوص الحقيقية والتنبؤات.

تتضمن المهمة الثانية أن يرمز REEFERS الأشعة السينية وتقارير الإشعاع النصية إلى نفس الفضاء الدلالي. في هذا الفضاء، يتم محاذاة تمثيلات كل تقرير والأشعة السينية المرتبطة من خلال التعلم التبايني.

الدكتور زهو هونغ-يو هو المؤلف الأول للورقة.

“بالمقارنة مع الطرق التقليدية التي تعتمد بشكل كبير على التعليقات البشرية، يمتلك REEFERS القدرة على الحصول على الإشراف من كل كلمة في تقارير الإشعاع. يمكننا تقليل كمية تعليقات البيانات بنسبة 90% وتكلفة بناء الذكاء الاصطناعي الطبي. يعتبر هذا خطوة كبيرة نحو تحقيق الذكاء الاصطناعي الطبي العام،” قال.