الشبكات العصبية التلقائية المتغيرة لاستكشاف الخصائص وتوقع شدة الأورام الرئوية

السرطان الرئوي مسؤول عن 21٪ من وفيات السرطان في المملكة المتحدة، ونسب البقاء على قيد الحياة لمدة خمس سنوات تتأثر بشكل كبير بالمرحلة التي تم فيها تشخيص السرطان. أظهرت الدراسات الحديثة قدرة طرق الذكاء الاصطناعي على التشخيص الدقيق والمبكر للسرطان الرئوي من الفحوصات الروتينية. ومع ذلك، لم يتم نقل هذه الأدلة إلى الممارسة السريرية بسبب وجود عائق وهو نقص النماذج القابلة للتفسير. يحقق هذا البحث تطبيق مُشفِّرات التباين (VAEs)، وهي نوع من نماذج الذكاء الاصطناعي الجينراتيف، على البؤر السرطانية في الرئة. تم تدريب النماذج المقترحة على البؤر المستخرجة من المسح الطوبوغرافي المقطعي المحوسب ثلاثي الأبعاد (3D CT) في مجموعة البيانات العامة LIDC-IDRI. تم استكشاف التمثيلات المتجهية الكامنة لشرائح ثنائية الأبعاد تم إنتاجها بواسطة مُشفِّرات التباين من خلال التجميع لتبرير جودتها واستخدامها في نموذج تصنيف MLP لتشخيص السرطان الرئوي، حيث حقق أفضل نموذج مؤشرات رائدة في المجال بلغت نسبة AUC 0.98 ودقة 93.1٪. تظهر تحليلات التجميع أن الفضاء الكامن لمُشفِّرة التباين يفصل مجموعة البيانات بين البؤر الخبيثة والحميدة بناءً على مكونات سمات ذات معنى، بما في ذلك حجم الورم، الشكل، حالة المريض وفئة الخبث. كما يتضمن البحث تحليلًا مقارنًا لنموذج مُشفِّرة التباين الجاوسية القياسية (GVAE) ولنموذج مُشفِّرة التباين الديرا클يت الأكثر حداثة (DirVAE)، والذي يستبدل التوزيع السابق بتوزيع ديراكليت لتشجيع فضاء كامن أكثر قابلية للتفسير مع تمثيل سمات مستقلة (disentangled feature representation). وأخيرًا، نوضح الإمكانات التي توفرها عمليات التنقل في الفضاء الكامن والتي تعكس تغييرات سمات ذات أهمية سريرية.