نهج متعدد الأنماط قائم على شبكات الانتباه الرسومية لتصنيف أمراض الرئة

لماذا تهم فحوصات الرئة الأذكى

تُعد أمراض الرئة من الأسباب الرئيسية للوفاة على مستوى العالم، ومع ذلك يمكن علاج كثير منها إذا تم اكتشافه مبكرًا. يعتمد الأطباء عادةً على أشعة السينية للصدر إلى جانب ملاحظات مكتوبة عن أعراض المريض لتحديد السبب. قراءة كل هذه المعلومات يدويًا بطيئة ومعرضة للأخطاء، لا سيما حين تبدو أمراض مختلفة متشابهة في الصورة أو تتشارك في سعال وحمى. تقدم هذه الدراسة نظام ذكاء اصطناعي مصممًا لقراءة الأشعة والنصوص السريرية معًا، لمساعدة الأطباء على اكتشاف أنواع متعددة من مشاكل الرئة بدقة واتساق أكبر.

الرؤية والقراءة في وقت واحد

ينطلق الباحثون من فكرة بسيطة: قصة الجسم تُروى بالصور والكلمات معًا. تكشف أشعة صدر عن أشكال وظلال وكثافات داخل الصدر، بينما تسرد الملاحظات السريرية شكاوى مثل ضيق التنفّس أو ألم الصدر. بدلًا من اعتبار هذه كدلائل منفصلة، يمزج النظام الجديد بينهما. يستخدم نموذج رؤية مُدرّبًا خصيصًا على الصور الطبية لتحويل كل أشعة إلى قطع رقمية صغيرة تلتقط الأنماط البصرية. وبالتوازي، يحول نموذج لغوي مضبوط على النصوص الطبية كل كلمة في الوصف السريري إلى تمثيل رقمي منفصل. معًا تشكل هاتان السيلتان من الأرقام صورة مشتركة لما يحدث في رئتي المريض.

بناء شبكة من الروابط

التجميع البسيط لمعلومات الصورة والنص غالبًا ما يفوّت الروابط الدقيقة، مثل منطقة غائمة صغيرة في الأشعة تكون مهمة فقط حين تذكر الملاحظة عدوى حديثة. للتعامل مع ذلك، يمثل المؤلفون البيانات المجمعة كرسمة بيانية—شبكة من النقاط والروابط. كل نقطة تمثل إما منطقة محددة في الأشعة أو كلمة محددة في النص السريري. ثم يقيس النظام مدى ارتباط كل منطقة صورة بكل كلمة ويحتفظ فقط بأقوى العلاقات. ينتج عن ذلك شبكة متفرقة لكنها ذات مغزى تربط، على سبيل المثال، بقعة ساطعة قرب حافة الرئة بذكر ألم الصدر أو سائل.

سماح الانتباه بتوجيه التشخيص

بمجرد بناء هذه الشبكة، يعالجها نموذج انتباه رسومي. في هذا الإعداد، «ينظر» كل نقطة في الرسم البياني إلى جيرانها ويقرر مقدار الوزن الذي يمنحه لهم، تمامًا كما يركّز الطبيب على مزيج السمات الأكثر صلة في الصورة والأعراض. تفحص رؤوس انتباه متعددة أنماطًا مختلفة بالتوازي، لالتقاط طرق متنوعة يمكن أن تدعم فيها النصوص والصور بعضها البعض. ثم يجمع النموذج الإشارات الأكثر إفادة من كامل الرسم البياني ويغذّيها إلى طبقة قرار نهائية تتنبأ بأي من ثمانية حالات رئوية—أو نتيجة طبيعية—هي الأقرب لذلك الحالة.

اختبار النظام

درّب الفريق قيمّروا طريقتهم على مجموعة بيانات عامة كبيرة تضم نحو 80,000 صورة أشعة صدر مقترنة بوصف سريري قصير مصنّف إلى ثماني فئات لأمراض الرئة، إضافة إلى حالات رئوية طبيعية. قاموا بتقسيم وتنقية البيانات بعناية لتجنّب تسرب حالات متقاربة جدًا بين التدريب والاختبار. على صور ونصوص لم تُرَ سابقًا، صنّف منهجهم حالات الرئة بشكل صحيح في نحو 96 حالة من كل 100، متفوقًا على عدة منافسين أقوياء كانوا إما يدمجون البيانات بشكل أكثر خامًا أو يستخدمون طرقًا رسومية أبسط. كما أخرج دلالات احتمالية موثوقة للغاية، بمعنى أن مستوى ثقته طابق إلى حد كبير نسبة صحته. عند اختباره على مجموعة بيانات مستمدة من مستشفى آخر بتوزيعات أمراض مختلفة، انخفض الأداء—كما هو متوقع—لكن النظام ظل يميّز بين الأمراض بشكل جيد، مما يشير إلى متانة مفيدة في العالم الحقيقي.

ما يعنيه هذا للمرضى والأطباء

ببساطة، تُظهر هذه العمل أن نظام ذكاء اصطناعي يمكنه «قراءة» الصورة والسجل معًا، مثل أخصائي أشعة متمرس يأخذ في الاعتبار الفحص في ضوء قصة المريض. من خلال التركيز على الروابط الأكثر دلالة بين مناطق الصورة والأعراض المحددة، يمكن للنموذج تقليل التشخيصات الفائتة أو الخاطئة والإشارة إلى الحالات غير المؤكدة للمراجعة الدقيقة. وبينما يلزم مزيد من الاختبارات في العيادات الحقيقية، خصوصًا مع تقارير أغنى وأكثر تنوعًا، تشير الدراسة إلى أدوات دعم قرار قد تجعل تشخيص أمراض الرئة أسرع وأكثر اتساقًا وأكثر توفّرًا في المستشفيات التي تفتقر إلى قراء خبراء.

الاستشهاد: Rahman, M., YongZhong, C. & Bin, L. Graph attention network-based multimodal approach for lung diseases classification. Sci Rep 16, 10914 (2026). https://doi.org/10.1038/s41598-026-44282-1

الكلمات المفتاحية: تشخيص أمراض الرئة, أشعة السينية للصدر, الذكاء الاصطناعي الطبي, التعلّم متعدد الأنماط, شبكات عصبية رسومية