نقل نمط صور منظار الجهاز الهضمي باستخدام EndoStyle لتحسين نماذج التنبؤ بالذكاء الاصطناعي

مساعدة حاسوبية أوضح لفحوصات سرطان القولون

تنقذ تنظيرات القولون أرواحاً عبر اكتشاف وإزالة نموات صغيرة تُسمى السلائل قبل أن تتحول إلى سرطان. تستخدم العديد من المستشفيات اليوم الذكاء الاصطناعي لمساعدة الأطباء في اكتشاف هذه الآفات الصغيرة على شاشة الفيديو. لكن أدوات الذكاء الاصطناعي غالباً ما تتعثر عند نقلها من مستشفى إلى آخر، لأن الصور تختلف قليلاً حسب نظام الكاميرا. تعرف هذه الدراسة تقنية جديدة تُسمى EndoStyle تعيد تشكيل صور تنظير القولون بحيث تعمل أنظمة الذكاء الاصطناعي بموثوقية أكبر عبر أجهزة مختلفة.

لماذا لا تبدو صور التنظير متشابهة دائماً

قد يبدو منظار القولون نفسه للمريض، لكن في الواقع كل عيادة تستخدم معالج فيديو وكاميرا خاصين بها. تختلف هذه الأجهزة في نبرة اللون والسطوع والتباين والحدة، وحتى في حجم وموقع النافذة الدائرية على الشاشة. بالنسبة لنظام ذكاء اصطناعي تدرب في مستشفى واحد، يمكن أن يكون هذا «تحول النطاق» صدمة كبيرة: فالصور الجديدة لم تعد تطابق ما تعلّمته والدقة قد تنخفض. التصحيحات المتبعة اليوم — مثل قلب الصورة أو تدويرها أو تعديل السطوع قليلاً أثناء التدريب — لا تعيد إنتاج المظهر المميز لأنظمة الفيديو المختلفة. ونتيجة لذلك، غالباً ما تُضبط مساعدات الذكاء الاصطناعي التجارية على أجهزة محددة وقد لا تعمل بنفس الكفاءة في أماكن أخرى.

تلقين الصور لتطابق نمط الكاميرا المحلية

صمم الباحثون EndoStyle ليعمل كمترجم رقمي بين أنظمة التنظير. يأخذ إطار منظار القولون ونمطاً مستهدفاً (مثل مظهر معين لمعالج فيديو) وينتج صورة جديدة تحافظ على التشريح وأي سلائل لكن تغير المظهر العام ليتطابق مع الجهاز المستهدف. من الناحية التقنية، يجمع EndoStyle بين شبكة ترجمة صور قوية ونموذج تحسين الدقة الفائقة الذي يُشَدِّد المخرجات النهائية. تضمن تدابير خاصة الحفاظ على الميزات الهامة، مثل طيات الأمعاء والسلائل المسطحة الدقيقة، بحيث لا تُمحى أو تُختلق بطريق الخطأ.

التحقق مما إذا كان المزيف يبدو واقعياً

لاختبار ما إذا كانت صور EndoStyle التركيبية موثوقة، قارنت الفريق أولاً بينها وبين صور تنظير القولون الحقيقية باستخدام مقاييس رؤية حاسوبية تلتقط الطابع الواقعي والتشابه الإدراكي. عبر خمسة معالجات فيديو مختلفة ومئات الآلاف من الإطارات، طابقت الصور المحوّلة الحقيقية عن كثب من حيث المظهر العام والنسيج المفصل. كما حكمت ثلاث نماذج ذكاء اصطناعي مستقلة، مدربة لفهم الصور الطبية، على أن الصور الجديدة متشابهة في الوقت نفسه مع المحتوى الأصلي ونمط الجهاز المستهدف. بعد ذلك، شارك 22 منظراً ذا خبرة من 16 مركزاً في تجربة عمياء. شاهدوا مقاطع فيديو قصيرة من تنظير القولون وعُرضت لهم لقطات ثابتة، بعضُها حقيقي وبعضها مولّد بواسطة EndoStyle. طُلب من الأطباء تحديد أي الصور جاءت من نفس الفحص. اختاروا صور EndoStyle تقريباً بنفس تواتر الإطارات الحقيقية وأكثر بكثير من الاختيارات الخاطئة الواضحة، مما يشير إلى أن الصور التركيبية اجتازت «اختبار واقعية» عملي.

مساعدة الذكاء الاصطناعي على العثور على السلائل الصحيحة وتجاهل الضوضاء

سأل المؤلفون فيما بعد ما إذا كانت هذه الصور الواقعية المطابقة للنمط يمكن أن تحسّن فعلاً كشف السلائل بواسطة الذكاء الاصطناعي. درّبوا عدة أنظمة كشف على مزيج من صور تنظير القولون العامة وإطارات مولّدة بواسطة EndoStyle مُعدَّلة لتطابق معالجين محددين من Olympus المستخدمين في فيديوهات الاختبار. كما فحصوا حالة أصعب حيث جاءت بيانات التدريب الأصلية من علامة تجارية مختلفة (Fujifilm) التي لم يرها EndoStyle أثناء تدريبه. في كلتا الحالتين، أدى إضافة صور تركيبية مضبوطة على المعالج المستهدف إلى جعل نماذج الذكاء الاصطناعي أكثر انتقائية: انخفضت الإنذارات الكاذبة بنحو ربع إلى أكثر من 40 بالمئة، اعتماداً على الإعداد، بينما انخفضت الحساسية — أي تكرار اكتشاف السلائل الحقيقية — بشكل متواضع فقط. والأهم أن الصور التركيبية لم تبدُ كأنها خلقت سلائل مزيفة، ومعظم الآفات القليلة التي لم تُكتشف كانت أصلاً صعبة لكل من نماذج الأساس والأدوات التجارية.

ماذا يعني ذلك للمرضى والعيادات

بإثبات إمكانية إنشاء صور تركيبية ذات مظهر واقعي ومحددة حسب المعالج واستخدامها بأمان لتدريب خوارزميات الكشف، يقدم هذا العمل وسيلة عملية لجعل ذكاء اصطناعي تنظير القولون أكثر قابلية للنقل وموثوقية. بدلاً من جمع وتسميّة مجموعات بيانات كبيرة جديدة في كل مرة تُحدّث فيها العيادة معدّاتها، يمكن للمطورين تكييف مجموعات الصور الموجودة لتتطابق مع نمط الجهاز الجديد باستخدام EndoStyle وإعادة تدريب أنظمتهم بخطوات إضافية أقل. العائد الفوري هو ذكاء اصطناعي يقلل الإنذارات الزائفة بينما لا يزال يلتقط معظم السلائل المهمة، ما يجعل الأدوات أقل تشتيتاً وأكثر ثقة لأطباء التنظير. مع الزمن، قد تساعد نهج نقل النمط هذه على توحيد أداء الذكاء الاصطناعي عبر المستشفيات ودعم كل من الوقاية الأفضل من السرطان ومحاكيات تدريب أكثر واقعية للأطباء المستقبليين.

الاستشهاد: Troya, J., Kafetzis, I., Weber, R. et al. Gastrointestinal endoscopic image style transfer using EndoStyle to improve artificial intelligence prediction models. npj Digit. Med. 9, 340 (2026). https://doi.org/10.1038/s41746-026-02693-4

الكلمات المفتاحية: تنظير القولون, كشف السلائل, الذكاء الاصطناعي في التصوير الطبي, نقل النمط, تحول النطاق