نهج راي المانتا-التحسين البايزي لشبكات عصبية التفافية مضبوطة بالمعلمات الفائقة لتصنيف سرطان الرئة

لماذا هذا مهم للمرضى والأطباء

سرطان الرئة من أخطر أنواع السرطان، والكشف المبكر عليه في فحوصات الأشعة المقطعية يمكن أن ينقذ أرواحًا. لكن تلقين الحواسيب قراءة هذه الصور بدقة أمر معقد، لأن أنظمة الذكاء الاصطناعي القوية قد تعجز إذا لم تُضبط إعداداتها بدقة. تقدم هذه الدراسة طريقة أذكى لضبط شبكة تحليل صور مدمجة بحيث تكتشف سرطان الرئة بدقة وكفاءة أعلى، وهو ما قد يساعد أخصائيي الأشعة مستقبلًا على اتخاذ قرارات أسرع وأكثر موثوقية.

طريقة أذكى لتعليم الحواسيب

تعتمد التشخيصات الحديثة القائمة على الصور غالبًا على التعلّم العميق، حيث تتعلم الشبكات الحاسوبية الأنماط مباشرة من الصور الطبية. لقد أظهرت هذه الأنظمة بالفعل قدرتها على التمييز بين الرئتين السليمتين والعقيدات السرطانية، وقد تضاهي أحيانًا الطرق التقليدية. مع ذلك، يعتمد نجاحها بشكل كبير على إعدادات خفية مثل سرعة تعلم النموذج، وعدد المرشحات المستخدمة لفحص الصورة، وكمية التنظيم لمنع الإفراط في التعلّم. تقليديًا، يعدّل الباحثون هذه الإعدادات بالتجربة والخطأ أو بالبحث الشامل، وهو ما يكون بطيئًا ومكلفًا وقد يغفل مجموعات أفضل من الإعدادات. يجادل المؤلفون بأنه بالنسبة لتصوير سرطان الرئة نحتاج إلى استراتيجيات ضبط تكون أكثر ذكاءً وأكثر عملية.

دمج استراتيجيتين للبحث

يقترح الفريق إجراء بحث ثنائي المراحل يعامل ضبط النموذج كاستكشاف لمنظر مجهول. أولًا، يستخدم أسلوب احتمالي يُسمى التحسين البايزي النتائج السابقة للنماذج ليقترح الإعدادات الواعدة التالية بدلًا من فحص كل خيار بشكل عشوائي. يستخدم هذا الأسلوب نموذجًا رياضيًا بديلاً للأداء ليوجه الاستكشاف عبر فضاء معلمات مثل معدل التعلم، وعدد مرشحات الالتفاف، وعدد وحدات الطبقة الكثيفة، ومعدل الإسقاط. بعد أن يضيق هذا الخطوة العالمية نطاق المنطقة الجيدة، تتدخل طريقة ثانية مستوحاة من كيفية بحث راي المانتا عن الغذاء في المحيط. هذه العملية المستندة إلى السرب تُدخل تغييرات لطيفة على الإعدادات المرشحة بحركات متسلسلة، وأنماط دوامية، وقفزات مفاجئة "قلبية" لصقلها محليًا والهروب من المصائد الصغيرة في منظر الأداء.

شبكة خفيفة مصممة للفحوصات

لاستغلال استراتيجية الضبط هذه، يصمم المؤلفون شبكة التفافية خفيفة الوزن مخصّصة لصور الأشعة المقطعية للرئتين. بدلًا من نماذج ضخمة ذات ملايين المعاملات، يستعير تصميمهم أفكارًا من بنى رؤية مدمجة للهواتف المحمولة. يستخدمون عمليات التلافيف القابلة للفصل العمقي وطبقات النقطة الواحدة لتقليل عدد الحسابات مع الحفاظ على التفاصيل البصرية المهمة، ثم يدمجون الميزات من أعماق مختلفة ويغذونها إلى طبقة تصنيف نهائية تميّز بين فئات رئوية متعددة. تساعد معالجة الصور بعناية أيضًا النموذج عبر إزالة الضوضاء، وتعزيز التباين، وتوضيح الحواف، وموازنة مجموعة البيانات عن طريق التضخيم بحيث لا تُهمل الحالات النادرة أو الطفيفة.

مدى فعالية النهج

يختبر الباحثون شبكتهم المضبوطة على عدة مجموعات بيانات عامة لأشعة الرئة المقطعية، بما في ذلك مجموعة واقعية سريريًا حيث الحالات الخبيثة أكثر شيوعًا من الحالات الطبيعية. بالمقارنة مع بنى مستخدمة على نطاق واسع مثل MobileNet وResNet وDenseNet والنماذج المعتمدة على المحولات، تحقق شبكتهم المدمجة دقة مشابهة أو أعلى مع عدد معاملات أقل بكثير وزمن حسابي أقل. مع عملية الضبط المشتركة بالأسلوبين البايزي وراي المانتا، يصل النموذج إلى نحو 98 بالمئة دقة اختبار على أحد المعايير ويحافظ على دقة استرجاع ووضوح قوي للفئات الحميدة، والخبيثة، والطبيعية. تشير عمليات التحقق المتصالبة والاختبارات الإحصائية إلى أن استراتيجية البحث الهجينة هذه تقدم نتائج أكثر اتساقًا وأفضل بشكل ملحوظ من مخططات تحسين أخرى مثل سرب الجسيمات والخوارزميات الجينية.

ما الذي قد يعنيه هذا في التطبيق العملي

بالنسبة لغير المتخصصين، الرسالة الرئيسية هي أن ضبط طريقة تعلم نموذج الذكاء الاصطناعي قد يكون بنفس أهمية تصميم النموذج نفسه. من خلال إقران بحث احتمالي عالمي مع خطوة تحسين محلية مستوحاة من الطبيعة، تظهر هذه الدراسة أن شبكة صغيرة نسبيًا يمكنها أن تتعلم قراءة صور CT للرئة بدقة مع استخدام موارد حاسوبية متواضعة. بالرغم من أن هناك حاجة لمزيد من المقارنات مع طرق ضبط بديلة وتجارب سريرية واسعة النطاق، تشير النتائج إلى أدوات ذكاء اصطناعي قد تتناسب مع معدات المستشفيات اليومية، تدعم أخصائيي الأشعة بآراء ثانية سريعة وقد تساعد في اكتشاف سرطان الرئة مبكرًا وبشكل أكثر موثوقية.

الاستشهاد: Samal, S., Sunder, S., Gadekellu, T. et al. A manta ray-bayesian optimization approach for hyperparameter-tuned convolutional neural networks in lung cancer classification. Sci Rep 16, 14794 (2026). https://doi.org/10.1038/s41598-026-42506-y

الكلمات المفتاحية: سرطان الرئة, الأشعة المقطعية, التعلّم العميق, ضبط المعلمات الفائقة, التصوير الطبي