BRISC: مجموعة بيانات معنونة لتجزئة الأورام الدماغية وتصنيفها

لماذا تهم بيانات فحوصات الدماغ الجميع

تعد الأورام الدماغية من بين أكثر التشخيصات إثارة للقلق التي قد يتلقاها الشخص، ويعتمد الأطباء بشكل متزايد على برامج حاسوبية للمساعدة في اكتشاف هذه النموّات الخطيرة ورسم حدودها في صور الرنين المغناطيسي. ولكن مثل الطلبة الذين يدرسون من كتاب ناقص الصفحات، فإن العديد من أنظمة الذكاء الاصطناعي الحالية تعاني من بيانات غير مكتملة أو غير متسقة. يقدم هذا المقال BRISC، مجموعة جديدة مجمعة بعناية من صور رنين مغناطيسي للدماغ صممت لتزويد الذكاء الاصطناعي الطبي بأمثلة عالية الجودة يحتاجها لتحسين اكتشاف ورسم الأورام الدماغية—عمل قد يدعم في النهاية تشخيصات أسرع وأكثر موثوقية.

مكتبة جديدة من صور الدماغ

تجمع مجموعة بيانات BRISC ستة آلاف صورة رنين مغناطيسي للدماغ مركزة على نوع محدد من الفحص—صور T1 محسّنة بالتباين—وهي جيدة بشكل خاص في إبراز حواف الورم. تنقسم كل صورة إلى واحدة من أربع مجموعات: ثلاثة أنواع شائعة من الأورام (الورم الدبقي، الورم السحائي، وأورام الغدة النخامية) بالإضافة إلى مجموعة غير سرطانية تشمل أدمغة سليمة وحالات غير سرطانية أخرى. تأتي الصور من عدة مجموعات عامة سابقة، لكن BRISC تضيف ما كانت تفتقر إليه تلك المجموعات القديمة إلى حد كبير: مخططات دقيقة لمناطق الورم وتسميات متسقة، أنشأها وخضع للتحقق منها خبراء طبيون.

موازنة وجهات النظر وأنواع الأورام

إحدى المشاكل الرئيسية في الكثير من المجموعات الموجودة هي عدم التوازن: تهيمن بعض أنواع الأورام أو زوايا المسح، مما يدفع نماذج الذكاء الاصطناعي لتؤدي جيدًا فقط على الأنماط الأكثر شيوعًا التي تراها. يتعامل BRISC مع ذلك من خلال تصميم توزيع أكثر توازنًا لكل من التشخيصات واتجاهات العرض. تُوفر الصور عبر ثلاث طرق شائعة للرنين المغناطيسي—المحوري (من أعلى إلى أسفل)، الإكليلي/التاجي (من الأمام إلى الخلف)، والسهمي (من الجانب إلى الجانب)—مع أعداد متقاربة في كل منها. تُحافَظ أيضًا على توازن نسبي بين الفئات التشخيصية الأربع في تقسيمات التدريب والاختبار. يساعد هذا التصميم الدقيق الخوارزميات المستقبلية على التعرّف على الأورام من زوايا متعددة وفي نطاق أوسع من الحالات، مما يعكس بشكل أفضل ما يراه الأطباء فعليًا في العيادات.

تنقية دقيقة ورسم حدود بخبرة

تحويل المسوحات الخام إلى مصدر بحثي موثوق تطلّب تنظيفًا كبيرًا. بدأ الفريق بأكثر من 7,000 صورة مأخوذة من مجموعة أورام دماغية شائعة على الإنترنت وأزال المسوحات منخفضة الجودة أو التالفة، والصور المتشابهة للغاية، والتتابعات القصيرة جدًا لصعوبة التفسير الموثوق. احتفظوا فقط بصور T1 المحسّنة بالتباين للحفاظ على الاتساق. ثم راجع الأطباء وأخصائي الأشعة الصور، مصححين التسميات الخاطئة ومستبعدين الحالات المشكوك فيها. باستخدام أداة وسم متخصصة، رسموا أقنعة مفصّلة حول مناطق الورم، مع إعادة ضبط عملهم مرارًا حتى الوصول إلى اتفاق قوي؛ ففي مجموعة اختبار فرعية، كان التطابق بين المخططات الأولية والمخططات المعتمدة من الخبراء مرتفعًا جدًا.

ما الذي تمكّنه هذه البيانات لنماذج الذكاء الاصطناعي

لإظهار كيفية استخدام BRISC، درّب المؤلفون سلسلة من نماذج الذكاء الاصطناعي الشائعة على مهمتين. تطلب المهمة الأولى من النموذج تصنيف كل صورة إلى واحدة من الفئات التشخيصية الأربع. حققت أنظمة التعرف على الصور الحديثة، لا سيما عائلة EfficientNet، دقة عالية للغاية—مصنفةً غالبية المسوحات بشكل صحيح ومتميزة بشكل خاص في التمييز بين الصور الخالية من ورم. تطلبت المهمة الثانية من النماذج تلوين منطقة الورم، بكسلًا ببكسل، على شريحة الرنين المغناطيسي. هنا، قدّمت شبكات التجزئة الأكثر تقدمًا، بما في ذلك البنى القائمة على المحولات التي تتفوّق في نمذجة السياق، أفضل الدرجات، محددةً بدقة حدود الأورام عبر الأنواع الثلاثة الرئيسية.

كيف يدفع هذا العمل المجال قدمًا

بعبارات بسيطة، BRISC هي "ميدان تدريب" عام ومنظم جيدًا لأجهزة الحاسوب التي تتعلم قراءة صور الرنين المغناطيسي للدماغ. توفر آلاف المسوحات المنقّاة بعناية، وتنوّعًا واقعيًا بين أنواع الأورام وزوايا العرض، ومخططات أورام مرسومة بخبرة تعلم الخوارزميات بالضبط أين توجد الأمراض. بينما تهدف مجموعة البيانات إلى البحث—وليس كأداة تشخيص مستقلة للمرضى—فهي توفر أساسًا متينًا لبناء ومقارنة أنظمة ذكاء اصطناعي جديدة. مع تحسين الباحثين للنماذج باستخدام BRISC وموارد مماثلة، قد يحصل الأطباء يومًا ما على مساعدين رقميين أكثر موثوقية إلى جانبهم، يساعدونهم في اكتشاف الأورام الدماغية مبكرًا وتخطيط العلاجات بثقة أكبر.

الاستشهاد: Fateh, A., Rezvani, Y., Moayedi, S. et al. BRISC: Annotated Dataset for Brain Tumor Segmentation and Classification. Sci Data 13, 361 (2026). https://doi.org/10.1038/s41597-026-06753-y

الكلمات المفتاحية: تصوير بالرنين المغناطيسي للأورام الدماغية, الذكاء الاصطناعي في التصوير الطبي, تجزئة الأورام, تنسيق مجموعات البيانات, التعلّم العميق في الأشعة