تعزيز تصنيف سرطان الرئة من خلال نهج هجين CNN-HiFuse بآلية انتباه مزدوجة

لماذا يعتبر اكتشاف سرطان الرئة مبكراً مهماً

يُعد سرطان الرئة واحداً من أكثر السرطانات فتكاً على مستوى العالم، ويرجع ذلك إلى حد كبير إلى اكتشافه المتأخر في كثير من الأحيان، عندما تكون خيارات العلاج محدودة. يستخدم الأطباء الإشعاعيون بالفعل صور الأشعة المقطعية التفصيلية للبحث عن بقع صغيرة في الرئتين قد تكون سرطانية، لكن فحص كل شريحة بصورة دقيقة عمل بطيء ومرهق—وقد يُغفَل عن النتوءات الصغيرة أو الدقيقة. تستكشف هذه الدراسة كيف يمكن لنوع متقدم من الذكاء الاصطناعي أن يعمل كزوج إضافي من العيون التي لا تتعب، مساعداً الأطباء على اكتشاف مشاكل الرئة مبكراً والتمييز بين النتائج الحميدة والخطيرة.

تحويل فحوصات الصدر إلى فئات واضحة

يركز الباحثون على قرار عملي ثلاثي الخيارات يواجهه الإشعاعيون يومياً: هل تُظهر شريحة الأشعة المقطعية نسيج رئوي طبيعي، أم نتوءاً حميداً (غير خبيث)، أم نتوءاً خبيثاً (سرطانياً)؟ يستخدمون مجموعة بيانات متاحة علناً من مركز أورام في العراق تحتوي على 1190 شريحة CT من 110 مرضى، مع وسم كل مريض على أنه طبيعي أو حميد أو خبيث. ولتفادي تقدير أداء مبالغ فيه، يقسمون البيانات بحسب المريض بدلاً من تقسيمها بحسب الصورة، بحيث لا تظهر شرائح الشخص نفسه في كل من التدريب والاختبار. كما يقومون بتوحيد حجم الصورة وسطوعها وصيغتها، ويطبقون تكبير البيانات—مثل الدوران، والانقلاب، وتغييرات السطوع—لمساعدة النظام على التعامل مع التباين الواقعي وموازنة حالات الحميدة والخبيثة الأقل شيوعاً.

كيف يرى قارئ الفحص الذكي الصور

في قلب النظام شبكة عصبية تلافيفية، وهي نوع من الذكاء الاصطناعي متمكن بشكل خاص من التعرف على الأنماط في الصور. النموذج الذي صمموه، المسمى بالهيكل الهجين Double Attention Hybrid CNN–HiFuse، مُصمم خصيصاً لتحديات صور CT للرئة. يستخدم أولاً طبقات تلافيفية قياسية لالتقاط الميزات البصرية الأساسية مثل الحواف والملمس. ثم يدمج وحدة متخصصة اسمها HiFuse معلومات على مقاييس مختلفة: فرع واحد يلتقط السياق العام والعريض عبر كامل الرئة، بينما يركز فرع آخر على التفاصيل المحلية حول النتوءات المحتملة. من خلال دمج هذه المشاهد بشكل هرمي، يصبح بإمكان الشبكة ملاحظة البقع الصغيرة والهياكل الأكبر المحيطة بها على حد سواء.

تعليم النظام أين يركز انتباهه

بعيداً عن مجرد استخلاص الميزات، يتعلم النموذج بشكل نشط أين يوجه اهتمامه. تعمل آلية "الانتباه المزدوج" بطريقتين. اهتمام القنوات (Channel attention) يخصص وزناً أكبر لأنواع الميزات الأكثر معلوماتية—على سبيل المثال، تلك التي تميز بشكل جيد بين نتوء خبيث ونسيج ندبي—مع تقليل وزن الإشارات المشتتة. أما الاهتمام المكاني (Spatial attention) فيركز على مناطق محددة داخل الصورة، مبرزاً المناطق المشبوهة في الرئة وكاتماً الخلفية. تُطبَّق هاتان الشكلتان من الانتباه بالتتابع، مما يساعد النظام على إنشاء ملخص مضغوط ومركز لكل شريحة فحص، ثم يُمرَّر هذا الملخص إلى مُصنّف نهائي يُنتج احتمالات كون النسيج طبيعياً أو حميداً أو خبيثاً.

مدى أداء النهج

لضبط العديد من الخيارات المتضمنة في بناء مثل هذا النظام—مثل عدد المرشحات المستخدمة، وسرعة تعديل الأوزان الداخلية، وقوة التنظيم للشبكة—يستخدم المؤلفون أداة بحث آلية. مع أفضل الإعدادات، يقارنون نموذجهم الهجين بعدة نماذج أساس قوية، بما في ذلك شبكات عميقة معروفة مثل VGG16 وResNet50، إضافة إلى شبكة مخصصة مزودة بالانتباه. على مجموعة اختبار مستقلة مكونة من 213 شريحة CT، يحقق نموذج Double Attention Hybrid CNN–HiFuse دقة تقارب 98 بالمئة، مع دقة واستدعاء عاليتين جداً. يخطئ فقط في تصنيف أربع شرائح إجمالاً ويظهر معدلات منخفضة للغاية لفقدان النتوءات الخبيثة، وهو ما يمثل قلق سلامة مهم بشكل خاص. تقارُب منحنيات الأداء (ROC)، التي تقيس مدى فصل النموذج بين الفئات عبر عتبات مختلفة، نحو الأداء المثالي لكل الفئات الثلاث.

الواعد والحدود للتطبيق في العالم الحقيقي

بالنسبة لغير المتخصصين، الرسالة الأساسية هي أن هذه الدراسة تُظهر نظام ذكاء اصطناعي سريع وخفيف نسبياً يمكنه تصنيف صور CT للرئة إلى ثلاث مجموعات ذات مغزى سريري بدقة ملحوظة، مع توفير خرائط انتباه تُبيّن أي المناطق أثّرت أكثر في قراره. هذا يجعل الأداة أكثر قابلية للتفسير وأسهل ليثق بها الأطباء الإشعاعيون كوسيلة دعم قرار بدلاً من صندوق أسود. مع ذلك، تأتي النتائج من مستشفى واحد، وتعتمد على شرائح ثنائية الأبعاد بدلاً من فحوصات ثلاثية الأبعاد كاملة، وتستخدم نظام وسم مبسط بثلاث فئات، لذا ينبغي اعتبارها خطوة أولى مشجعة بدلاً من دليل قاطع. ومع مزيد من الاختبارات على مجموعات بيانات أكبر وأكثر تنوعاً ودمجها في سير العمل السريري في المستقبل، قد تساعد نماذج مشابهة مدفوعة بالانتباه في اكتشاف سرطان الرئة مبكراً وتخفيف العبء عن خبراء التصوير المجهدين.

الاستشهاد: M. D, A., B, V. Enhancing lung cancer classification through a double attention hybrid CNN-HiFuse approach. Sci Rep 16, 13099 (2026). https://doi.org/10.1038/s41598-026-42290-9

الكلمات المفتاحية: سرطان الرئة, تصوير CT, التعلّم العميق, التشخيص بمساعدة الحاسوب, آليات الانتباه