كشفت دراسة جديدة منشورة في دورية «Biology Methods and Protocols»، أن الذكاء الاصطناعي يمكنه تحديد أورام الدماغ بدقة تقارب قدرة الأطباء. استخدم الباحثون نموذجًا يعتمد على «الشبكات العصبية التفافية»، التي تُدرّب على تحليل صور الرنين المغناطيسي للتمييز بين الأنسجة السليمة والمصابة.

شهدت السنوات الأخيرة تقدمًا مستمرًا في استخدام الذكاء الاصطناعي في الطب، خاصة في مجال الأشعة. ساعد استخدام الشبكات العصبية التفافية (Convolutional Neural Networks) الباحثين من تدريب النماذج على مجموعات بيانات ضخمة لتحليل الصور الطبية وتصنيفها. هذا النوع من الشبكات يتيح «التعلم بالنقل»، حيث يمكن استخدام نموذج مدرب مسبقًا على مهمة معينة لتحسين أداء نموذج جديد في مهمة مشابهة.

استوحى الفريق طريقة تدريب النماذج من الطبيعة، حيث شبّه تمويه خلايا السرطان بقدرة الكائنات الحية على الاندماج في بيئتها. لذلك، صُممت النماذج لرصد الأنسجة المصابة رغم تمويهها.

اعتمدت الدراسة على بيانات من مصادر متاحة للجمهور. دربت الشبكات على تمييز الأدمغة السليمة من المصابة وتحديد مناطق الإصابة ونوع الورم. أظهرت النماذج دقة مرتفعة بلغت 85.99% و83.85% في شبكتين منفصلتين، مع عدد قليل جدًا من النتائج السلبية الخاطئة.

يقدم الذكاء الاصطناعي صورًا تشير إلى المناطق المصابة، مما يساعد الأطباء على التأكد من صحة التشخيص، كما يمكن تحليل الصور في وقت أقل مقارنة بالبشر.

رغم أن النماذج كانت أقل دقة بنسبة 6% مقارنة بالإنسان في تحديد أنواع محددة من أورام الدماغ، أظهرت الدراسة أن «التعلم بالنقل» زاد من دقة الشبكات. تؤكد النتائج أن النماذج الشفافة والمفهومة ستلعب دورًا حيويًا في الطب مستقبلًا، سواء في التشخيص أو تتبع تقدم المرض.

قال البروفيسور «أرش يزدانبخش»، المعد الرئيسي للدراسة، في بيان صحفي حصلت «المصري اليوم» على نسخة منه: «يسمح التقدم في الذكاء الاصطناعي بالكشف الدقيق عن الأنماط، مما يعزز تشخيص الأمراض من خلال الصور. ومع ذلك، فإن التفسيرية والشفافية هما مفتاح الثقة بين الأطباء والتقنيات الذكية».

تفتح الدراسة آفاقًا جديدة في تحسين الرعاية الصحية من خلال دمج الذكاء الاصطناعي في البيئات السريرية.