نظام ذكاء اصطناعي مبتكر يحدث تحولًا في تحليل الصور الطبية ودعم الأبحاث السريرية

أعلن فريق من الباحثين في معهد ماساتشوستس للتكنولوجيا (MIT) عن ابتكار نظام جديد يُدعى MultiverSeg، يهدف إلى تسهيل عملية تحليل الصور الطبية عبر التجزئة الدقيقة وتسريع وتيرة الأبحاث السريرية. 

هذا النظام لا يُعد مجرد أداة تقنية مساعدة، بل يمثل نقلة نوعية في كيفية تعامل العلماء مع الصور الطبية التي كانت تحتاج سابقًا إلى جهود شاقة ووقت طويل لإعدادها يدويًا.

تحديات قائمة

لطالما واجه الباحثون صعوبة كبيرة في عملية تجزئة الصور الطبية، وهي خطوة أساسية تتيح تحديد المناطق ذات الأهمية داخل صور الدماغ أو الأعضاء الأخرى. 

على سبيل المثال، يحتاج العلماء عند دراسة تغيرات حجم الحُصين في الدماغ مع التقدم في العمر إلى رسم حدود هذا الجزء بدقة عبر عشرات الصور، وهي مهمة تستغرق ساعات طويلة إذا نُفذت يدويًا. 

هذه العقبة كانت تعيق العديد من الدراسات الطبية وتحد من إمكانية التوسع في الأبحاث المرتبطة بتطور الأمراض والعلاجات الجديدة.

خصائص فريدة

هنا جاء دور نظام MultiverSeg الذي تم تصميمه لمعالجة هذه التحديات، إذ يتيح للمستخدمين تقسيم الصور بسرعة عبر تفاعلات بسيطة مثل النقر أو تحديد مربعات داخل الصورة، ليقوم الذكاء الاصطناعي بعد ذلك بالتنبؤ بالتجزئة الصحيحة، ومع استمرار التفاعل، يقل اعتماد النظام على التدخل البشري تدريجيًا حتى يتمكن من إتمام المهمة بدقة عالية بمفرده. 

وتكمن فرادته في أنه لا يحتاج إلى قواعد بيانات ضخمة مسبقة التدريب، بل يمكن استخدامه مباشرة مع صور جديدة، كما يتيح تجزئة مجموعة كاملة دفعة واحدة، في خطوة تختصر جهدًا هائلًا مقارنة بالنماذج التقليدية.

فوائد مستقبلية

إمكانات هذا النظام لا تتوقف عند تسهيل العمل البحثي فقط، بل تمتد إلى خفض تكاليف التجارب السريرية وتسريع الوصول إلى نتائج دقيقة. 

وتوضح هالي وونغ، المؤلفة الرئيسية للورقة البحثية، أن الكثير من العلماء لا يتمكنون من تجزئة سوى عدد محدود من الصور يوميًا بسبب الوقت الطويل المطلوب للعمل اليدوي، مؤكدة أن النظام الجديد قد يفتح الباب أمام دراسات لم يكن ممكنًا تنفيذها في السابق. 

ويستند MultiverSeg إلى ما يسمى بـ المجموعة السياقية (Context Set) التي تخزن صورًا مرجعية تُستخدم لاحقًا لتحسين دقة التنبؤ، وهو ما يجعله يتطور باستمرار كلما زاد عدد الصور المعالجة.

وبحسب الاختبارات الأولية، فقد أثبت النظام كفاءته وتفوقه على أحدث الأدوات المنافسة، خاصة في القدرة على التكيف مع أنواع متعددة من البيانات الطبية. 

كما يتميز بمرونة عالية تسمح بتطبيقه في بيئات مختلفة، سواء في دراسات صغيرة أو في مشاريع بحثية كبرى، دون الحاجة إلى إعادة تدريب معقدة.

آفاق مقبلة

الخطوة القادمة أمام فريق الباحثين تتمثل في اختبار النظام داخل بيئات سريرية حقيقية بالتعاون مع شركاء في القطاع الطبي، إلى جانب تطوير قدراته ليتعامل مع الصور الطبية ثلاثية الأبعاد، وهو ما قد يفتح آفاقًا واسعة لتطبيقات جديدة في تشخيص الأمراض وعلاجها. 

وإذا ما نجح النظام في اجتياز هذه المرحلة، فقد يشهد القطاع الطبي تحولًا جذريًا في كيفية معالجة البيانات البصرية وتسريع وتيرة الأبحاث، بما يعزز من فرص تطوير العلاجات المبتكرة وتحسين جودة الرعاية الصحية عالميًا.