ذكاء اصطناعي جديد يكشف اضطرابات الدماغ بكفاءة وشفافية
تطوير نموذج ذكاء اصطناعي جديد لتحليل صور الدماغ بدقة عالية وقابلية للتفسير كشف فريق بحثي في مختبر إينولاب بجامعة سونغكيونكوان الكورية، تحت إشراف البروفيسور تامر أبوحميد، عن بنية حوسبية جديدة تُعرف باسم المُحوّل المتقاطع لأشعة الرنين المغناطيسي الوظيفي رباعية الأبعاد، أو اختصاراً 4DfCF. وقد نُشرت النتائج حديثاً في مجلة IEEE للهندسة الطبية والبيولوجية، في خطوة تهدف إلى تعزيز دقة الشفافية والكفاءة الحسابية في تشخيص الاضطرابات العصبية بواسطة الذكاء الاصطناعي. يواجه تحليل بيانات التصوير بالرنين المغناطيسي الوظيفي تحدياً جوهرياً يتمثل في معالجة البعد المكاني والبعد الزمني معاً. تم تصميم الـ 4DfCF للتغلب على هذا التعقيد من خلال رصد الأنماط النشطة في الدماغ عبر مقاييس متعددة، مما يتيح للنموذج تعلم العلاقات العصبية القريبة وبعيدة المدى بدقة عالية. يركز الابتكار على مبدأ الذكاء الاصطناعي القابل للتفسير، حيث يولد النموذج خرائط بصرية تبرز المناطق الدماغية الأكثر تأثيراً في قرارات التشخيص. وهذا يسمح للأطباء بتقييم الأدلة الكامنة وراء كل توقع آلي، مما يدعم الحكم السريري البشري دون الاستغناء عنه. أظهر التقييم العملي للنموذج على مجموعات بيانات مرجعية تشمل اضطراب فرط الحركة ونقص الانتباه، والزهايمر، وتوحد طيف التوحد تفوقاً واضحاً على النماذج القائمة، مسجلاً معدل F1 بنسبة 96.28٪ على بيانات الزهايمر. كما أثبتت التجارب كفاءة النموذج في التعلم الانتقالي، حيث يسرع عملية التدريب ويحسن الأداء عند تعميمه على بيانات جديدة، مما يمهد الطريق لبناء نماذج قابلة لإعادة الاستخدام عبر مهام التصوير العصبي المختلفة. يمتاز الـ 4DfCF بخفته الحسابية، إذ يضم النموذج الرئيسي حوالي 10.34 مليون معامل، بينما تقتصر النسخة الخفيفة على 4.18 مليون معامل فقط. يقلل هذا الحجم المطلوب من الموارد الحاسوبية بشكل كبير مقارنةً بالبنى الضخمة، مما يجعل النشر العملي على خوادم المستشفيات وأبحاث الدماغ أكثر جدوى. يجمع هذا العمل بين أربعة محاور أساسية للذكاء الاصطناعي الطبي المستقبلي: الدقة، الكفاءة، القابلية للتوسع، والشفافية. ورغم أن النتائج الحالية تظل ضمن الإطار البحثي وتحتاج إلى تجارب سريرية موسعة، فإنها ترسّخ أساساً قوياً لأنظمة تشخيصية مساعدة موثوقة تعزز قدرات المختصين الطبيين في مواجهة تعقيدات الأمراض الدماغية.
