لا يزال مرض السلّ من أكثر الأمراض المعدية فتكاً في العالم، إذ يتسبب سنوياً في وفاة أكثر من مليون إنسان.

ومع ازدياد الحاجة إلى أنظمة تشخيص أكثر سرعة ودقة، يبرز الذكاء الاصطناعي كأداة مهمة لدعم الأطباء، لكن فعاليته تعتمد بشكل كبير على كمية وتنوع البيانات التي تُدرّب عليها النماذج.

باحثو جامعة موسكو يطورون حلاً جديداً لتقوية أداء الذكاء الاصطناعي

قدّم علماء من المدرسة العلمية التعليمية متعددة التخصصات "الدماغ، الأنظمة الإدراكية، والذكاء الاصطناعي" في جامعة موسكو الحكومية (МГУ) طريقة مبتكرة تهدف إلى تحسين قدرة الشبكات العصبية على اكتشاف السلّ في صور أشعة الصدر.

الفكرة الأساسية تعتمد على زيادة البيانات عبر توليد صور أشعة اصطناعية.

ما التقنية المستخدمة؟

يعتمد الباحثون على خوارزمية خاصة تُعرف باسم FABEMD، وهي قادرة على:

إزالة البُنى الخلفية غير الضرورية من الصور

الإبقاء على العلامات المرضية الدقيقة

إنشاء صور جديدة ذات معنى تشخيصي دون تشويه الخصائص الأصلية

وبذلك يتم تدريب الشبكات العصبية على مجموعة بيانات أكثر تنوّعاً وثراءً، ما يزيد من دقتها وقدرتها على التعميم حتى مع صور ذات جودة مختلفة.

نتائج الاختبارات: دقة أعلى ومقاومة أفضل للأخطاء

أُجريت التجارب على مجموعة من البيانات الطبية الدولية التي تضم آلاف الصور الحقيقية لأشعة الصدر.

وكانت النتائج واضحة:

تحسّن كبير في دقة النماذج التي تم تدريبها باستخدام الصور المولّدة

فعالية أكبر عند التعامل مع مجموعات بيانات صغيرة أو صعبة

زيادة في مناعة النماذج ضد اختلاف جودة الصور، وهو عامل حاسم في التطبيقات الطبية

ويشير البروفسور أندريه كريلُف من كلية الرياضيات بجامعة موسكو إلى أن هذه الطريقة لا تحسّن التصنيف فحسب، بل تعزّز استقرار النماذج، وهو أمر بالغ الأهمية في المجال الطبي حيث لا مجال للأخطاء الكبيرة.

تطبيقات مستقبلية واسعة تتجاوز تشخيص السلّ

يمتلك هذا النهج إمكانات كبيرة في مجالات متعددة من التصوير الطبي، خصوصاً في الحالات التي تعاني من نقص البيانات الموثقة.

قد تُستخدم التقنية في:

تشخيص أمراض رئوية أخرى

تحليل الصور في مجال الأورام

دعم أدوات الذكاء الاصطناعي في طب العيون

تطوير تقنيات تعتمد على تعزيز البيانات الطبية ذات الحساسية العالية

ويرى الباحثون أن مثل هذه الابتكارات يمكن أن تُحدث تحولاً حقيقياً في توفير تشخيصات دقيقة وسريعة في المناطق التي تعاني نقصاً في الأطباء أو البنية التحتية الصحية.