السبت 18 يوليو 2026
كيف تساعد خوارزميات الذكاء الاصطناعي في تشخيص الصور الطبية بدقة وسرعة؟ ابتكار من MIT يكشف الإجابة
هل تساعدنا خوارزميات الذكاء الاصطناعي على تشخيص الأمراض المعقدة بدقة وسرعة؟ ابتكار من MIT يقرّب الطب من المستقبل
من المختبر إلى غرفة التشخيص: تطبيقات الذكاء الاصطناعي في تقارير الصور الطبية
في دراسة من MIT، قدّم الباحثون طريقة جديدة تجعل خوارزميات الذكاء الاصطناعي أكثر فاعلية في تصنيف الصور الطبية. التقنية تقلص من عدد الاحتمالات التي يقدمها النظام دون التأثير على الدقة، باستخدام خوارزميات التصنيف المتوافق وتقنية TTA، مما يسهم في تعزيز كفاءة الأطباء في تشخيص الحالات الدقيقة مثل الانصباب الجنبي في الأشعة السينية. الابتكار يفتح الطريق أمام استخدام أوسع للذكاء الاصطناعي في المجالات السريرية دون الحاجة لإعادة تدريب النماذج الحالية.
الذكاء الاصطناعي في التصوير الطبي: تقنيات جديدة لتقليل الغموض وتعزيز الدقة
في دراسة جديدة من معهد ماساتشوستس للتكنولوجيا (MIT)، قدّم فريق بحثي تحسينًا مبتكرًا على طريقة استخدام الذكاء الاصطناعي في تصنيف الصور الطبية. الهدف من هذا التعديل هو مساعدة الأطباء على التمييز بين الحالات المتشابهة في صور الأشعة السينية، مثل الانصباب الجنبي والارتشاحات الرئوية، التي عادة ما يصعب التفريق بينها بدقة.
من تنبؤ واحد إلى احتمالات متعددة: التصنيف المتوافق في التشخيص الطبي
عادةً ما يقدم نموذج الذكاء الاصطناعي تنبؤًا واحدًا عند تحليل صور الأشعة، وهو أمر لا يتماشى دائمًا مع طبيعة الواقع الطبي حيث قد تتداخل أعراض متعددة في صورة واحدة. لتجاوز هذه المشكلة، استخدم الباحثون ما يُعرف بـ التصنيف المتوافق (Conformal Classification)، وهي تقنية تتيح تقديم مجموعة من الاحتمالات بدلاً من إجابة واحدة فقط. هذه الطريقة تمنح الأطباء نطاقًا أوسع لرؤية كل السيناريوهات الممكنة، لكنها تعاني من مشكلة حجم النتائج الكبير الذي قد يربك الأطباء.
ابتكار MIT يقلل حجم التنبؤات بنسبة 30% دون التأثير على دقة الذكاء الاصطناعي
قادت الباحثة ديفيا شانموغام وفريقها في MIT تطوير طريقة تدمج بين التصنيف المتوافق وتقنية تُعرف بـ التحسين وقت الاختبار (Test-Time Augmentation - TTA). هذا الدمج سمح بتقليص عدد الاحتمالات المقدمة بنسبة تصل إلى 30%، مع الحفاظ على نفس مستوى الدقة التشخيصية، ما يُعد تقدمًا كبيرًا في مجال الذكاء الاصطناعي الطبي.
ما هي تقنية TTA ولماذا تُحدث فرقًا في التصنيف الطبي؟
تُستخدم TTA على نطاق واسع في النماذج البصرية لتحسين نتائجها من خلال إنشاء نسخ متعددة معدّلة من الصورة الأصلية، مثل التدوير أو القص أو التكبير. ثم تُحلل هذه النسخ ويُدمج ناتجها لإنتاج تنبؤ نهائي أكثر مرونة. عبر تطبيق التصنيف المتوافق على نتائج هذه النسخ، تمكّن الباحثون من تقديم مجموعات تنبؤ أصغر وأكثر قابلية للتنفيذ من قبل الأطباء، دون الحاجة لإعادة تدريب النماذج.
فاعلية حقيقية قابلة للتطبيق دون موارد إضافية
اختبر الفريق التقنية على بيانات قياسية لتصنيف الصور الطبية، وحققوا خفضًا في عدد التنبؤات تراوح بين 10% و30% دون أن يتأثر مستوى الثقة بالتشخيص. والأهم أن هذا الإنجاز لا يتطلب أي تعديل على النموذج الأساسي المستخدم في الذكاء الاصطناعي، ما يجعله قابلاً للتطبيق الفوري في المستشفيات ومراكز التصوير الطبي.
استخدامات مستقبلية تتجاوز الصور الطبية
تشير الباحثة شانموغام إلى أن استخدام TTA قد يمتد مستقبلًا ليشمل نماذج تصنيف النصوص، وليس فقط الصور. كما يعمل الفريق حاليًا على دراسة وسائل لتقليل الاستهلاك الحسابي اللازم لتطبيق TTA، مما يجعل التقنية أكثر كفاءة من حيث الأداء والتكلفة، ويزيد من فرص اعتمادها في التطبيقات السريرية والبحثية.
