نماذج تعلم عميق عالية الأداء قائمة على التجميع لاسترجاع الصور الطبية في كشف سرطان الثدي

لماذا تفيد فحوصات أدق لصحة الثدي

سرطان الثدي من أكثر السرطانات شيوعًا بين النساء، وتعد فحوصات الموجات فوق الصوتية أداة أساسية لاكتشاف الكتل المشبوهة مبكرًا. لكن الأطباء اليوم يضطرون للتصفُّح عبر أرشيفات متزايدة من الصور الطبية، وغالبًا ما تكافح الأنظمة الحاسوبية التي قد تساعدهم لفهم ما تراه بعمق. تقدم هذه الدراسة نوعًا أكثر ذكاءً من محركات البحث عن الصور لموجات الثدي فوق الصوتية لا يكتفي بالعثور على الأورام وتصنيفها بدقة عالية، بل يعرض أيضًا للأطباء أجزاء الصورة التي أرشدت قراراته.

من صور بسيطة إلى مقارنات مفيدة

تخزن المستشفيات الآن أعدادًا هائلة من فحوصات موجات ثدي فوق الصوتية، ما يجعل من الصعب ويستغرق وقتًا طويلًا العثور على حالات سابقة تشبه صورة مريضة جديدة. كانت أنظمة استرجاع الصور السابقة تعتمد على مقارنات بخصائص بسيطة مثل السطوع أو الملمس، والتي غالبًا ما فشلت في محاكاة طريقة تشخيص أطباء الأشعة للمرض. يهدف المؤلفون إلى سد هذه الفجوة بتدريب نظام تعلم عميق على مجموعة مستخدمة على نطاق واسع تضم 830 صورة لموجات فوق صوتية للثدي، مصنَّفة إلى نسيج طبيعي، أورام حميدة غير ضارة، وأورام خبيثة خطرة. الغرضان هما تصنيف الفحص الجديد إلى إحدى هذه الفئات الثلاث ثم استرجاع فحوصات سابقة مشابهة تلقائيًا لإرشاد التشخيص.

تعليم ذكاء هجين لرؤية الأنماط

يبني الفريق نموذجًا «هجينيًا» يجمع بين ثلاثة أنواع من الشبكات العصبية، لكل منها دور مختلف. تتخصص شبكة التفاف (Convolutional) في قراءة الأنماط المكانية في صورة الموجات فوق الصوتية، مثل شكل الكتلة أو مدى وضوح حوافها. تُكيَّف شبكة تكرارية (Recurrent)، التي تُستخدم غالبًا لسلاسل مثل الكلام، لمعالجة صفوف البكسل كإشارة مرتبة، مما يساعد النظام على ملاحظة التغيرات الدقيقة عبر الصورة. وعلى رأس هاتين، ينتج مكوّن للذكاء الاصطناعي القابل للتفسير خرائط حرارية تُبرز مناطق الصورة الأكثر مسؤولية عن القرار، حتى يتمكن الأطباء من التحقق مما إذا كان النموذج يركز على الورم بدلًا من خلفية غير ذات صلة.

تنقية البيانات وتوسيعها وتنظيمها

قبل التدريب، يُعِدّ الباحثون صور الموجات فوق الصوتية بعناية. يزيلون النسخ المكررة والحدود غير المفيدة، ويحولون الفحوص إلى صيغة تدرج رمادي موحدة، ويقصون المناطق الفارغة، ويعيدون تحجيم كل شيء إلى مربع صغير قياسي حتى يتمكن النموذج من معالجة البيانات بكفاءة. تُوسَم كل صورة كطبيعية أو حميدة أو خبيثة، وتحدد صور الأقنعة مناطق الورم بالضبط. وبما أن مجموعات البيانات الطبية عادة ما تكون صغيرة، يوسعون هذه المجموعة اصطناعيًا بتدوير الصور وقلبها وتكبيرها وضبط التباين، فتكبر مجموعة التدريب من 548 إلى 3840 صورة. هذه التباينات المنضبطة تُعلم الشبكة التكيف مع الطرق المختلفة التي قد تظهر بها الأورام على أجهزة مختلفة وفي مرضى مختلفين.

كيف يصنِّف النظام ويبحث

بعد التدريب، يحوّل النموذج الهجين كل فحص موجات فوق صوتية إلى بصمة رقمية مدمجة مأخوذة من الطبقة الثانية من النهاية في الشبكة. تميل الصور ذات البصمات المماثلة إلى إظهار أنماط نسيجية مشابهة، لذا يستطيع الفريق حساب مسافات بسيطة بين هذه البصمات لإيجاد أقرب التطابقات في قاعدة البيانات. يتنبأ النظام أولاً ما إذا كان الفحص الجديد طبيعيًا أو حميدًا أو خبيثًا، ثم يسترجع حالات بصرية وعيادية مشابهة، مقدِّمًا لأخصائي الأشعة معرضًا من الصور المرجعية. يضع مكون القابلية للتفسير مناطق دافئة اللون فوق الفحص الأصلي، ليُظهر أين «نظر» النموذج للوصول إلى استنتاجه، مما يعزز الثقة ويدعم التدريس وطلبيات الرأي الثاني.

ماذا تعني النتائج للمرضى

في اختبارات على مجموعة صور موجات الثدي فوق الصوتية، يحقق النهج الهجين دقة تصنيف تقارب 99% ويتفوق على عدة نماذج تعلم عميق رائدة تعتمد على معمارية واحدة. كما يظهر سلوكًا مستقرًا عبر تقسيمات تدريب‑اختبار متعددة، مما يوحي بأن أدائه ليس مجرد صدفة نتيجة تقسيمة واحدة للمجموعة. بالنسبة للمرضى، يعني هذا أنه في المستقبل قد يحصل أخصائي الأشعة ليس فقط على قراءة بمساعدة الحاسوب موثوقة للغاية لصورة الموجات فوق الصوتية، بل أيضًا على عرض فوري لحالات سابقة مماثلة وبشكل دقيق ما هي أجزاء الصورة التي أثارت القلق. ومع أن المؤلفين يشيرون إلى الحاجة لمزيد من التجارب السريرية الأوسع والاختبارات على أنواع تصوير أخرى، فإن عملهم يتجه نحو استخدام ذكاء اصطناعي أكثر شفافية واعتمادية وكفاءة في كشف سرطان الثدي.

الاستشهاد: Fawzy, A.E., Almandouh, M.E., Herajy, M. et al. Ensemble-based high-performance deep learning models for medical image retrieval in breast cancer detection. Sci Rep 16, 8723 (2026). https://doi.org/10.1038/s41598-026-38218-y

الكلمات المفتاحية: موجات فوق الصوتية للثدي, استرجاع الصور الطبية, التعلم العميق, كشف سرطان الثدي, الذكاء الاصطناعي القابل للتفسير