إنشاء موسوعة علم أمراض الجلد DermpathNet بسير عمل معتمد على الذكاء الاصطناعي

لماذا تهم مكتبة صور جلدية جديدة

غالبًا ما يتم تشخيص سرطانات الجلد ونموّيات أخرى بفحص شرائح رقيقة من الأنسجة تحت المجهر، وهو مجال يُعرف بعلم أمراض الجلد. ومع ذلك، فإن الصور المستخدمة لتدريب الأطباء واختبار أدوات الذكاء الاصطناعي عادةً ما تكون محجوبة خلف جدران دفع أو قيود خصوصية. تقدم هذه الورقة DermpathNet، وهي مجموعة متاحة مجانًا ومراجَعة بعناية تضم آلاف صور خزعات الجلد بُنيت بمساعدة الذكاء الاصطناعي. صُممت لتسهيل التعلم، والتحقق المتبادل من التشخيصات، وتطوير أدوات حاسوبية جديدة بشكل أكثر سهولة وموثوقية للعيادات والباحثين في جميع أنحاء العالم.

مشكلة الشرائح التعليمية المخفية

يتعلم معظم المتدربين الطبيين من شرائح زجاجية أو ملفات رقمية تسيطر عليها مستشفى واحدة. قد تحتوي هذه المواد على معرّفات للمرضى أو تكون مرخّصة بطرق تمنع المشاركة. الموارد المتاحة عبر الإنترنت إما تتطلب اشتراكات مدفوعة، أو تقدم عددًا قليلاً فقط من حالات المثال، أو قد لا تخضع لمراجعة خبراء بشكل منتظم. ونتيجة لذلك، يفتقر الطلاب والأطباء إلى مجموعة مفتوحة وموثوقة وواسعة من صور الجلد المجهرية التي تُظهر الأورام الشائعة والنادرة على حد سواء. وبدون مثل هذا المورد، يصبح من الصعب مقارنة الحالات، وتوحيد التعليم، أو تقييم أداء أنظمة رؤية الحاسوب بعدالة.

العثور على صور ذات جودة في بحر المقالات

توجه المؤلفون إلى مجموعة الوصول المفتوح في PubMed Central، وهي مكتبة واسعة من المقالات الطبية الشاملة التي يجوز إعادة استخدامها قانونيًا. بدأوا بقائمة منظمة، أو معجم، مكوّنة من 12 مجموعة من الأورام الجلدية الحميدة والخبيثة وما يقارب 200 تشخيص محدد، بُنيت من مساهمات خبراء ومفردات طبية موحدة. باستخدام هذا المعجم، استعلموا في PubMed Central عن المقالات التي ذُكرت فيها هذه الأمراض في العناوين أو الملخصات، وحمّلوا النصوص الكاملة، واستخرجوا كل الأشكال والتسميات التوضيحية للصور. أسفرت هذه المرحلة الأولى عن أكثر من 200,000 شكل من أكثر من 43,000 مقال — عدد كبير جدًا ومعظمها لم يكن في الواقع صورًا مجهرية للجلد.

كيف تعاون الذكاء الاصطناعي والكلمات المفتاحية

لفرز الصور المفيدة من غير ذات الصلة، ابتكرت الفريق نظام ترشيح هجين. جزء منه كان نموذج تعلم عميق مدرّبًا على مجموعة صور طبية منفصلة ليقرر ما إذا كانت الصورة تشبه شريحة باثولوجية أم لا. والجزء الآخر كان يفحص تسميات الأشكال بحثًا عن عبارات دالة مثل مستويات التكبير أو مصطلحات الصبغ التي تصاحب عادةً صور المجهر. للحالات الشائعة جدًا، احتُفظ فقط بالصور التي اجتازت الاختبارين معًا لرفع النقاء؛ وللتشخيصات النادرة، قُبلت الصور التي اجتازت أيًا من الاختبارين لتجنّب فوات أمثلة نادرة. عندما قورن هذا الأسلوب الهجين بمعيار ذهبي بشري مكوّن من 651 صورة معنونة يدويًا، كان أداؤه قويًا، مع F-score فوق 90%، متفوقًا على استخدام الذكاء الاصطناعي أو الكلمات المفتاحية بمفردهما.

ما يحتويه DermpathNet وكيفية استخدامه

بعد المعالجة، أنتج سير العمل 7,772 صورة تغطي 166 تشخيصًا مختلفًا لأورام الجلد. راجع كل صورة أخصائيون حاصلون على شهادة مجلس في علم أمراض الجلد، وكل صورة مرتبطة ببيانات وصفية غنية تصف المقال المصدر، ونوع المرض، والرموز الطبية الموحدة. تُنظَّم مجموعة البيانات بحيث يمكن للمستخدمين الاستكشاف حسب فئة المرض، أو التشخيص المحدد، أو المنشور الأصلي، مع تتبُّع معلومات الترخيص. بالإضافة إلى التعليم، استخدم المؤلفون DermpathNet لاستقصاء حدود نموذج حديث يجمع بين الرؤية واللغة: GPT‑4v. عندما طُلب من النموذج تحديد أورام جلدية محددة في هذه الصور الصعبة بصيغ صحيحة/خاطئة، أو أسئلة مفتوحة، أو أسئلة متعددة الخيارات، كان أداء النموذج ضعيفًا في كثير من الأحيان، وغالبًا ما فشل في التعرف على التشخيص الصحيح حتى عندما عُرضت عليه قائمة قصيرة من الخيارات.

ماذا يعني هذا للأطباء والآلات

بالنسبة لغير المتخصصين، يمكن اعتبار DermpathNet كأطلس عالي الجودة ومشاع لمواقع أورام الجلد المجهرية، بُني بنظام فرز ذكي يسمح للخبراء البشريين بالتركيز على الفحوص النهائية بدل التصفح اليدوي. يخفض الحواجز أمام التدريب والمقارنة عبر المؤسسات ويبرز صعوبة المهمة البصرية: حتى نظام ذكاء اصطناعي متقدّم واجه صعوبات مع هذه الصور. يستنتج المؤلفون أنه بينما يمكن للذكاء الاصطناعي أن يساعد في تجميع مثل هذه الموارد، فإن النماذج العامة الحالية ليست جاهزة بعد لتحلّ محل حكم المتخصصين في علم أمراض الجلد. بدلًا من ذلك، يوفر DermpathNet أساسًا متينًا للتعليم ولتطوير جيلٍ قادم من أدوات الذكاء الطبي المتخصصة التي يمكنها حقًا المساعدة في تشخيص أمراض الجلد.

الاستشهاد: Xu, Z., Lin, M., Zhou, Y. et al. Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow. Sci Data 13, 368 (2026). https://doi.org/10.1038/s41597-026-06715-4

الكلمات المفتاحية: علم أمراض الجلد, مجموعة بيانات صور طبية, الذكاء الاصطناعي, سرطان الجلد, الباثولوجيا الرقمية