اندماج انتباه ثنائي المسار مع تنظيم الانتروبيا لتصنيف أمراض الرئة المتعددة

لماذا تكتسب فحوصات الرئة الأذكى أهمية

يمكن أن تبدو أمراض الرئة مثل الالتهاب الرئوي وكوفيد-19 متشابهة بصورة مدهشة في أشعة الصدر، حتى للأطباء المتمرسين. قد تتداخل بقع ضبابية خفيفة وبقع متناثرة وضبابية عامة بين مرض وآخر، كما أن جودة الصورة قد تختلف من مستشفى إلى آخر. تقدم هذه الدراسة نهجًا جديدًا في الذكاء الاصطناعي يهدف إلى قراءة هذه الصور بمزيد من الموثوقية، وتفريق المشاكل الرئوية المختلفة بشكل صحيح، والحفاظ على الدقة حتى عندما تكون الصور مضطربة أو مأخوذة من أجهزة غير مألوفة.

رؤية البقع الصغيرة والصورة العامة معًا

تعتمد معظم أنظمة الذكاء الاصطناعي الحالية لصورة الرئة على إحدى استراتيجيتين. النوع الأول، المسمى الشبكات الالتفافية، يجيد اكتشاف التفاصيل الدقيقة مثل البقع اللامعة أو المظلمة الصغيرة التي قد تشير إلى عدوى مبكرة أو عقيدة. أما النوع الآخر، المبني على أفكار "الانتباه" الأحدث، فهو أفضل في تقييم النمط العام عبر الرئتين، وهو ما يهم في المشاكل المنتشرة مثل الالتهاب الرئوي المتقدم أو كوفيد-19. بمفردها، كل نمط من هذه الأنظمة يفقد شيئًا: الأنظمة المركزة على التفاصيل قد تغفل الأنماط بعيدة المدى، بينما الأنظمة المراعية للصورة العامة قد تتجاهل القوام الدقيق.

نموذج ثنائي المسار يتكيف لكل مريض

يقترح المؤلفون إطار عمل ذكاء اصطناعي ثنائي المسار يسمى دمج الانتباه الثنائي التكيفي (ADSAF). تُرسل نفس أشعة الصدر عبر مسارين متوازيين: مسار يركز على التفاصيل ويقرب القوام والحواف الصغيرة، ومسار يركز على السياق ويقيس كيف تنتشر أنماط المرض عبر كامل منطقة الرئة. بدلًا من متوسط ناتجين ببساطة، يتعلّم ADSAF مقدار الوزن الذي يُعطى لكل مسار لكل صورة على حدة. للمسح الذي تهيمن عليه تغييرات صغيرة ومحددة، يميل إلى مسار التفاصيل؛ وللمسح الذي يحتوي ضبابية مشتتة، يعتمد أكثر على مسار النمط الكلي.

ترك النموذج يتخذ القرار بثقة

خدعة رئيسية في هذا العمل هي كيفية مزج مساري المعلومات. تميل العديد من الأنظمة "الهجينة" السابقة إلى خلط الميزات من مسارات مختلفة بطريقة ثابتة أو مرنة بشكل طفيف، مما قد يؤدي إلى توليف متردد يطمس أدلة مهمة. يستخدم ADSAF قاعدة تدريب خاصة تردع هذا النوع من الخلط نصف ونصف. رياضيًا، يفرض عقوبة على الاندماج غير الحاسم ويحث النظام نحو اختيارات أوضح بشأن أي مسار يجب أن يهيمن على صورة معينة. بالإضافة إلى ذلك، يعمل موديول انتباه إضافي مثل كشاف ضوئي، يبرز المناطق الأكثر ارتباطًا بالمرض ويخفف من الهياكل الخلفية مثل الأضلاع أو ظل القلب. لا يُحسّن هذا الدقة فحسب، بل يجعل أيضًا تركيز النموذج أسهل في التفسير بصريًا.

الأداء في ظل تحديات العالم الواقعي

لاختبار منهجهم، درّب الباحثون قيّموا ADSAF على مجموعات أشعة صدر مستخدمة على نطاق واسع للالتهاب الرئوي وكوفيد-19. قارنوه بالعديد من المنافسين الأقوياء، بما في ذلك الشبكات الالتفافية العميقة، والنماذج المبنية على المحولات، والتجمعات التي تجمع عدة أنظمة. طابق ADSAF أو تفوق عليهم جميعًا، محققًا دقة تصنيف تزيد على 98 بالمئة. عندما أضاف الفريق ضوضاء عمدًا لمحاكاة ظروف تصوير سيئة، فقدت النماذج الأخرى قدرًا أكبر من الدقة مقارنةً بـ ADSAF. كما صمد النظام الجديد أفضل عند تدريبه على مجموعة بيانات واختباره على أخرى، محاكيًا التحول الناتج عن اختلاف أجهزة ومزيج المرضى بين مستشفى وآخر. أوضحت التفسيرات البصرية باستخدام خرائط الحرارة أن ADSAF ركز على مناطق الرئة التي ربما يشير إليها أطباء الأشعة أيضًا، ما يوحي بأن قراراته مبنية على دلائل صور ذات مغزى.

ماذا يعني هذا لمستقبل رعاية الرئة

بعبارات بسيطة، تُظهر هذه الدراسة أن نموذج ذكاء اصطناعي قادر على أن يقرر بمرونة متى يثق بالتفاصيل الدقيقة ومتى يثق بالأنماط العامة يمكنه تصنيف أمراض الرئة من الأشعة بدقة وموثوقية أعلى من الطرق الحالية. من خلال التركيز على المنظور الأكثر إفادة لكل مريض وتصفيه الميزات الخلفية المشتتة، يقدم ADSAF "زوج عيون" ثاني أكثر ثباتًا للأطباء. وبينما لا يزال بحاجة إلى تجارب سريرية واختبارات في الوقت الحقيقي، يشير الإطار إلى أدوات دعم قرار قد تساعد في اكتشاف مشاكل الرئة الخطيرة مبكرًا، وتقليل سوء التصنيف بين الأمراض المتشابهة، والأداء باستقرار عبر مستشفيات وظروف تصوير متنوعة.

الاستشهاد: Thakare, V., Aote, S.S., Gangrade, J. et al. Entropy-regularized dual-stream attention fusion for multi-disease lung classification. Sci Rep 16, 14141 (2026). https://doi.org/10.1038/s41598-026-44441-4

الكلمات المفتاحية: تصوير الرئة, الذكاء الاصطناعي الطبي, تحليل أشعة الصدر, كشف الالتهاب الرئوي, تشخيص كوفيد-19