دراسات وتقارير
MIT تكشف عن نظام ذكاء اصطناعي ثوري لتسريع تحليل الصور الطبية ودعم الأبحاث السريرية
في خطوة تعِد بإحداث نقلة نوعية في مجال الطب والبحث العلمي، طوّر باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) نظام ذكاء اصطناعي متقدّم يُعرف باسم MultiverSeg، يهدف إلى تسهيل عملية تحليل الصور الطبية وتسريع الأبحاث السريرية، من خلال تقنيات تجزئة دقيقة وسريعة تُقلل الحاجة إلى التدخل البشري.
MIT تكشف عن نظام ذكاء اصطناعي ثوري لتسريع تحليل الصور الطبية ودعم الأبحاث السريرية
تُعد التجزئة (Segmentation) من أهم الخطوات في تحليل الصور الطبية، إذ يتم فيها تقسيم الصور إلى مناطق محددة لتسهيل تحديد الأجزاء الحيوية مثل الأعضاء أو الأورام.
على سبيل المثال، عند دراسة تغير حجم الحُصين في الدماغ مع التقدم في العمر، يجب على العلماء رسم حدود الحُصين في مئات الصور يدويًا، وهي عملية مرهقة ومعقدة وتستغرق ساعات طويلة، خاصة في المناطق الدقيقة أو صعبة التمييز.
MIT تكشف عن نظام ذكاء اصطناعي ثوري لتسريع تحليل الصور الطبية ودعم الأبحاث السريرية
حل مبتكر لتحديات البحث الطبي
لمعالجة هذه العقبات، صمّم فريق MIT نظام MultiverSeg الذي يتيح للباحثين تجزئة الصور الطبية بسهولة عبر النقر أو الرسم أو تحديد المربعات داخل الصورة.
ويقوم النظام بتحليل هذه المدخلات فورًا وتوليد التنبؤ المناسب للتجزئة. ومع تكرار الاستخدام، يتعلم النموذج تدريجيًا ويصبح أقل اعتمادًا على تدخل المستخدم، حتى يتمكن في النهاية من تنفيذ التجزئة بدقة عالية بشكل مستقل.
مزايا غير مسبوقة في تحليل الصور
يتميز MultiverSeg بعدة خصائص تجعله مختلفًا عن النماذج السابقة:
-
إمكانية معالجة مجموعة من الصور دفعة واحدة دون الحاجة إلى التعامل مع كل صورة على حدة.
-
عدم الحاجة إلى قاعدة بيانات ضخمة للتدريب المسبق، مما يسمح باستخدامه مباشرة في مهام جديدة.
-
القدرة على التعلم التفاعلي من خلال الصور التي تمت معالجتها سابقًا لتحسين النتائج في المستقبل.
-
مرونة عالية في التعامل مع أحجام بيانات مختلفة وتطبيقات طبية متعددة.
وتوضح Hallee Wong، طالبة الدراسات العليا في الهندسة الكهربائية وعلوم الحاسوب والمؤلفة الرئيسية للدراسة:
“الكثير من العلماء يمكنهم تحليل عدد محدود من الصور يوميًا بسبب طول العملية اليدوية، ونأمل أن يغيّر نظامنا هذا الواقع من خلال تمكينهم من تنفيذ دراسات كانت مستحيلة سابقًا لغياب الأدوات الفعالة.”
آلية عمل النظام
يعتمد MultiverSeg على ما يُعرف بـ المجموعة السياقية (Context Set)، وهي قاعدة بيانات صغيرة من الصور التي سبق تجزئتها. وعند إدخال صورة جديدة، يستخدم النظام هذه الأمثلة المرجعية لتقديم نتائج أكثر دقة بمدخلات أقل من المستخدم.
ومع تراكم الصور في المجموعة السياقية، يصبح النظام قادرًا على العمل بدقة شبه كاملة دون تدخل بشري.
نتائج واختبارات مشجعة
أظهرت الاختبارات التي أجراها الفريق البحثي أن نظام MultiverSeg يتفوّق بوضوح على الأدوات التقليدية في دقة التجزئة وسرعة الأداء. كما أثبت قدرته على التكيّف مع أنواع مختلفة من البيانات الطبية دون الحاجة إلى إعادة تدريب شاملة.
الخطوة التالية: من المختبر إلى الواقع السريري
يخطط الباحثون حاليًا لتجربة النظام في بيئات سريرية حقيقية بالتعاون مع شركاء في القطاع الطبي، مع العمل على تطويره ليشمل تحليل الصور الطبية ثلاثية الأبعاد، ما سيُتيح استخدامه في مجالات أوسع تشمل الأورام، وأمراض القلب، والتصوير العصبي.
آفاق جديدة للطب القائم على الذكاء الاصطناعي
يمثل نظام MultiverSeg خطوة كبيرة نحو دمج الذكاء الاصطناعي في البحث الطبي اليومي، عبر تقليل الوقت والتكاليف اللازمة لتصنيف الصور وتحليلها.
وبفضل هذا الابتكار، قد يتمكّن الباحثون قريبًا من تسريع تطوير العلاجات الجديدة ورفع كفاءة الدراسات السريرية بما ينعكس مباشرة على تحسين جودة الرعاية الصحية عالميًا.