اختراق الذكاء الاصطناعي في علم الأمراض: تلوين الصور لجعلها تبدو حقيقية
بقلم سوبر نيرو
وصف السيناريو:باستخدام أساليب التعلم الآلي، يمكننا صبغ صور مجهرية لمقاطع عينات الأنسجة في علم الأمراض افتراضيًا لتجنب عيوب طرق الصبغ التقليدية. مساعدة الطاقم الطبي على إجراء التشخيص بشكل أكثر ملاءمة.
الكلمات المفتاحية:شبكة CNN، معالجة الصور، المساعدة الطبيةيغلق
يتم إجراء العديد من التشخيصات الطبية من خلال عملية الملاحظة من خلال الصور. عندما يتعلق الأمر بمعالجة الصور، فإن الذكاء الاصطناعي يكون مفيدًا.
في الفحوصات المرضية المبنية على ملاحظات الخزعة، يجب صبغ أقسام رقيقة للغاية من العينة ثم ملاحظتها تحت المجهر للتشخيص المرضي. ومن منظور الذكاء الاصطناعي، فإن هذه المشكلة تتعلق بتلوين الصور بدقة.
في تقرير حديث، استخدم الباحثون أساليب التعلم الآلي لتحقيق دقة عالية للغاية في التلوين الافتراضي للشرائح، والتي يمكن أن تحل بشكل أساسي محل عملية التلوين اليدوي.
التلوين التقليدي لمقاطع عينات الأنسجة
يعد التصوير المجهري لعينات الأنسجة أداة أساسية لتشخيص مجموعة واسعة من الأمراض ويشكل العمود الفقري لعلم الأمراض والعلوم البيولوجية.
وتتمثل العملية المحددة في إزالة قطعة صغيرة جدًا من أنسجة الجسم ومعالجة العينة وتحليلها لتحقيق غرض الفحص والتشخيص.
بمجرد إزالة العينة، يتم تقطيعها إلى شرائح رقيقة، يبلغ سمكها بضعة ميكرومترات (مليون جزء من المتر). تحتوي هذه المقاطع الرقيقة من الأنسجة على معلومات حول حالة المريض على نطاق مجهري.
تحت المجهر الضوئي القياسي، كانت الأقسام غير المعالجة غير قابلة للتمييز تقريبًا. الطريقة الوحيدة لزيادة التعريف هي عن طريق التلوين. خلال سنوات التطور في علم الأمراض، ابتكر الأطباء العديد من طرق تلوين الأنسجة.
ومع ذلك، فإن عملية تلطيخ عينات الأنسجة التقليدية تستغرق وقتا طويلا وتكون معقدة وتتطلب بنية تحتية متخصصة للمختبرات، وكواشف كيميائية وفنيين مدربين.
التلوين الرقمي باستخدام الذكاء الاصطناعي
إذن كيف تقوم الذكاء الاصطناعي بالتلوين؟
تعتمد عملية تلوين الصور الافتراضية على نهج التعلم الآلي من خلال استخدام شبكة عصبية ملتوية عميقة (CNN) لتلوين صورة فلورية ذاتية واحدة لعينة باستخدام بيانات من عمليات التلوين السابقة.
أثناء العملية، قم أولاً بتقطيع الأنسجة غير الملطخة والتقاط صورة مجهرية لها تحت تأثير الفلورسنت التلقائي.
بعد ذلك، باستخدام شبكة CNN مدربة على شبكة تنافسية توليدية (GAN)، يمكن تحويل صورة الفلورسنت الذاتية للأنسجة غير المسمى بسرعة إلى صورة مشابهة لصبغ الكاشف.
لا تتضمن هذه الطريقة المبنية على التعلم العميق الخطوات التقليدية المملة على الإطلاق. يقوم بتدريب النموذج من خلال الكمبيوتر ويخرج في النهاية صورة ملونة، مما يمكن أن يوفر التكاليف والوقت بشكل كبير.
وأجرى البحث فريق بحثي من جامعة كاليفورنيا في لوس أنجلوس، ونشرت النتائج في مجلة Nature Biomedical Engineering.
عنوان الورقة: https://www.nature.com/articles/s41551-019-0362-y
هل هو جيد حقا؟
فما هو التأثير الفعلي للتلوين الافتراضي للذكاء الاصطناعي؟
وللحكم على فعالية الصباغة الافتراضية، استخدم الباحثون عملية "المراجعة العمياء".
وطُلب من أخصائيي علم الأمراض المعتمدين الحكم بشكل مستقل على ما إذا كانت العينات ملطخة بالكواشف أو باستخدام التلوين الافتراضي للذكاء الاصطناعي دون إبلاغهم.
يظهر الاستنتاج النهائي أنه من حيث جودة التلوين، فإن التشخيص الطبي الناتج عن التلوين الافتراضي الذي تم إنشاؤه بواسطة الذكاء الاصطناعي ليس له فرق سريري كبير مقارنة بالطرق السابقة.
وقام الباحثون أيضًا بتلوين بعض العينات باستخدام الطرق التقليدية بعد التلوين الافتراضي، وأظهرت الصور الناتجة أن التأثيرات الفعلية كانت متماثلة تقريبًا.
العمود الأول هو الصورة المحسنة بالتباين، والعمود الثاني هو صورة الفلورسنت التلقائي الأصلية، والعمود الثالث هو التلوين الافتراضي AI، والعمود الرابع هو الطريقة التقليدية: تلوين ثلاثي الألوان ماسون. وكانت الأهداف هي أخذ عينات من الكبد والرئة.
وقد تم التحقق من صحة الطريقة الجديدة في مجموعة متنوعة من البقع وأنواع الأنسجة البشرية، بما في ذلك المقاطع الروتينية للغدد اللعابية والغدة الدرقية والكلى والكبد والرئة.
وقالوا إن الخطوة التالية هي إجراء دراسات سريرية عشوائية واسعة النطاق للتحقق من دقة تشخيص صورة تلطيخ الذكاء الاصطناعي.
ماذا يمكن أن تفعل التكنولوجيا
تتطلب طريقة التلوين بالذكاء الاصطناعي مجهرًا فلوريًا قياسيًا وجهاز كمبيوتر بسيطًا فقط، لذا فهي تتمتع بمزايا تحويلية في البيئات والظروف المحدودة الموارد.
وقال أيدوغان أوزكان، الذي قاد الدراسة: "هذه التكنولوجيا لديها القدرة على تحويل سير العمل في مجال علم الأمراض السريرية". "عملية التلوين سريعة وسهلة ولا تحتاج إلى فنيين متخصصين أو مختبرات طبية متقدمة."
وفيما يتعلق بإمكانية توسيع نطاق هذه الطريقة، أضاف: "يمكن أيضًا استخدام إطار التلوين الافتراضي القائم على الذكاء الاصطناعي في غرفة العمليات، على سبيل المثال، لتقييم هوامش الورم بسرعة وتوفير إرشادات ملائمة أو حتى حاسمة للجراحين الذين يقومون بإجراء الجراحة".
وبالإضافة إلى ذلك، فإن التأثير الرئيسي الآخر لهذا البحث هو أنه سيساعد في توحيد عملية التلوين بأكملها. إن استخدام أساليب الذكاء الاصطناعي يمكن أن يمنع الاختلافات الناجمة عن اختلاف الفنيين وبيئات التشغيل، وبالتالي تجنب التشخيص الخاطئ أو التصنيف الخاطئ للخزعات.