جسر بين الوسائط باستخدام الذكاء الاصطناعي: مراجعة لتقدّمات الذكاء الاصطناعي في التصوير الطبي متعدد الوسائط

رؤية أبعد مما تراه العين

تعتمد الطب الحديث بشكل كبير على الصور — من الأشعة السينية والرنين المغناطيسي إلى شرائح الأنسجة تحت المجهر — لفهم ما يحدث داخل الجسم. تشرح هذه المراجعة كيف يمكن للذكاء الاصطناعي أن يجمع بين أنواع متعددة من الصور الطبية ليكوّن صورة موحّدة وأغنى عن المرض. وللقارئ غير المتخصص، تبدو الفائدة واضحة: قد تعني هذه التطورات اكتشاف السرطان مبكراً، وتشخيصات أكثر دقة، وعلاجات مصممة للفرد بدلاً من المريض المتوسط.

لماذا لم تعد صورة واحدة كافية

كل تقنية تصوير تكشف جزءاً من القصة فحسب. أدوات الأشعة مثل التصوير المقطعي، والرنين المغناطيسي والموجات فوق الصوتية تكشف شكل وبنية الأعضاء، بينما تبرز الفحوص النووية مثل PET مدى نشاط الورم. تحت المجهر يرى الأطباء الشرائحيون كيف تُرتب الخلايا، وتقنيات الطيفية تقرأ البصمات الكيميائية للأنسجة. تمكن الطرق البصرية مثل التصوير المقطعي البصري من تكبير طبقات رقيقة في العين أو الجلد. بمفردها، قد تفوت هذه اللقطات «ذات الرؤية الواحدة» دلائل مهمة. لكن عند دمجها، يمكنها ربط شكل الورم بسلوكه والجزيئات التي تحركه، مما يمنح الأطباء فهماً أكثر اكتمالاً للمرض.

كيف ينقّي الذكاء الاصطناعي ويكمل الصور الطبية

قبل أن تُدمج الصور المختلفة، يجب تنظيفها ومحاذاتها وأحياناً توليد أنواع جديدة منها. يصف المؤلفون كيف يساعد الذكاء الاصطناعي في إزالة الضوضاء والتمويه الحركي من الفحوص، واستعادة التفاصيل من صور التصوير المقطعي أو PET منخفضة الجرعة، وتصحيح التشوّهات التي قد تربك الأطباء والآلات على حد سواء. يمكن لأنظمة التعلم العميق أن تتعلم من أمثلة كيف ينبغي أن تبدو الصورة النظيفة ثم تستعيد الفحوص الجديدة بناءً على ذلك. كما تولّد نماذج ذكاء اصطناعي أخرى صوراً اصطناعية واقعية لزيادة أحجام مجموعات البيانات الصغيرة أو لملء أنواع مفقودة من الفحوص. وهذا ذو قيمة خاصة للأمراض النادرة، حيث قد توجد أمثلة حقيقية قليلة جداً لتدريب أدوات التشخيص.

مزج وجهات نظر مختلفة في سرد واحد

جوهر المراجعة يكمن في كيفية دمج الذكاء الاصطناعي فعلياً بين مصادر التصوير المتعددة. على أبسط مستوى، تراكب الطرق القائمة على البيكسل فحوصاً مثل الرنين المغناطيسي وPET بحيث تظهر البنية والنشاط في صورة واحدة أكثر وضوحاً. تقتطف الأساليب المتقدمة أنماطاً أو «ميزات» رئيسية من كل وسيلة وتدمج تلك الأنماط بدلاً من الصور الخام، مما يجعل العملية أكثر صلابة تجاه الاختلافات في الدقة والمحاذاة. يذهب الدمج في مرحلة القرار أبعد من ذلك، ويسمح لنماذج ذكاء اصطناعي منفصلة بتحليل صور مختلفة ثم التصويت أو متوسط توقعاتها. تخلط الأنظمة الهرمية بين عدة من هذه الأفكار، وتكدس مراحل دمج مختلفة بحيث يمكنها التعامل مع كل شيء من التفاصيل الخلوية اليسيرة إلى التغيرات على مستوى العضو ضمن إطار واحد.

من صور أفضل إلى رعاية أفضل

يُجرّب بالفعل هذه التقنيات في سيناريوهات إكلينيكية عديدة. يؤدي الجمع بين تسلسلات رنين مغناطيسي متعددة إلى تحسين تجزئة أورام الدماغ، بينما يعزز ضم صور الماموغرام والموجات فوق الصوتية والرنين المغناطيسي من اكتشاف سرطان الثدي وتنبؤ مخاطر الإصابة. يساعد ربط شرائح الباثولوجيا الرقمية مع صور الأشعة في توقع جينات الورم وبقاء المريض دون الحاجة إلى اختبارات إضافية. كما يدعم الذكاء الاصطناعي «التصوير القائم على البيانات»، حيث تُرتبط الأنماط الطفيفة في الفحوص بنشاط الجينات أو نتائج المرضى، واعدة بتنبؤات أكثر دقة وانتقاء أفضل للعلاجات. تهدف نماذج الأساس الجديدة ونماذج اللغات الكبيرة متعددة الوسائط إلى التعميم عبر المهام وأنواع الصور وحتى ربط الصور بالملاحظات السريرية المكتوبة، في مسار نحو أدوات شاملة يمكنها التكيّف مع أمراض ومستشفيات مختلفة.

الثقة والإنصاف والطريق المقبل

رغم الحماس، يؤكد المؤلفون أن تحديات مهمة لا تزال قائمة. تختلف الصور الطبية اختلافاً واسعاً بين المستشفيات والأجهزة ومجموعات المرضى، مما قد يجعل الذكاء الاصطناعي هشاً أو متحيزاً إن لم يُعالج ذلك بعناية. تتصرف العديد من النماذج القوية كصناديق سوداء، مما يصعّب على الأطباء فهم سبب اتخاذ قرار معين. تناقش المراجعة جهود توضيح أي مناطق من كل صورة تؤثر أكثر على التنبؤات وتصميم أنظمة أكثر عدلاً وشفافية. كما تشير إلى قضايا أخلاقية حول الخصوصية ومشاركة البيانات ومتطلبات الحوسبة الكبيرة للنماذج الضخمة. ونظرة إلى الأمام، يتخيّل المؤلفون «وكلاء» ذكاء اصطناعي متخصّصين يراقبون باستمرار التصوير وأجهزة الاستشعار القابلة للارتداء والسجلات الصحية، يساعدون الأطباء في الوقت الحقيقي، وينسقون الرعاية طويلة الأمد. للمريض، الخلاصة هي أن جمع أنواع متعددة من الصور الطبية مع الذكاء الاصطناعي قد يعني إجابات أسرع، وعلاجات أكثر تخصيصاً، وفي النهاية نتائج أفضل — بشرط أن تُطوّر هذه التقنيات وتُنشر بمسؤولية.

الاستشهاد: Doan, L.M.T., Shahhosseini, K., Verma, S. et al. Bridging modalities with AI: a review of AI advances in multimodal biomedical imaging. Commun Eng 5, 30 (2026). https://doi.org/10.1038/s44172-026-00602-x

الكلمات المفتاحية: التصوير الطبي متعدد الوسائط, الذكاء الاصطناعي الطبي, دمج الصور, الأشعة والوباثولوجيا, الطب الدقيق