گزارش‌های رادیولوژی، ستون فقرات ارتباط بین پزشکان و بیماران را تشکیل می‌دهند و حاوی اطلاعات حیاتی برای تشخیص، درمان و تحقیقات پزشکی هستند. با این حال، ماهیت عمدتاً روایی و متن آزاد این گزارش‌ها، استخراج اطلاعات دقیق و قابل استفاده برای تحلیل‌های کمی، پژوهش‌های بالینی، و حتی پردازش‌های خودکار را به چالشی جدی تبدیل کرده است. این وضعیت، منجر به اتلاف وقت قابل توجهی برای متخصصان و بروز خطاهای احتمالی در فرآیند جمع‌آوری و تحلیل داده‌ها می‌شود.

در سال‌های اخیر، پیشرفت‌های چشمگیر در حوزه پردازش زبان طبیعی (NLP) و یادگیری عمیق (DL)، نویدبخش راه‌حل‌هایی برای این چالش‌ها بوده‌اند. این فناوری‌ها قادرند تا از متون ناهمگون، الگوها را شناسایی کرده و اطلاعات را به شکلی سازمان‌یافته و قابل فهم برای ماشین تبدیل کنند. در این میان، معماری‌های نوین یادگیری عمیق مانند ترنسفورمرها، توانسته‌اند محدودیت‌های مدل‌های پیشین را پشت سر گذاشته و راه را برای کاربردهای پیچیده‌تر در حوزه پزشکی هموار سازند.

این مقاله به بررسی یک مطالعه علمی پیشگامانه می‌پردازد که در آن، از قدرت معماری ترنسفورمر برای تولید گزارش‌های ساختاریافته رادیولوژی استفاده شده است. هدف اصلی این تحقیق، تبدیل گزارش‌های متنی آزاد رادیولوژی به فرمتی استاندارد و قابل پردازش است که در نهایت به بهبود فرآیندهای بالینی و پژوهشی یاری می‌رساند.

این مطالعه توسط گروهی از پژوهشگران برجسته، شامل سید علی رضا معزی، عبدالرحمن گدی، مژده رحمانیان، سیده زهرا موسوی و اشکان سامی، ارائه شده است. نویسندگان این مقاله، در حوزه‌های هوش مصنوعی، یادگیری ماشین و پردازش زبان طبیعی تخصص دارند و با تکیه بر دانش و تجربه خود، گامی مهم در جهت ادغام این فناوری‌ها با علوم پزشکی برداشته‌اند.

زمینه تحقیق این مقاله، در تقاطع سه حوزه کلیدی قرار دارد:

• محاسبات و زبان (Computation and Language): تمرکز بر چگونگی پردازش و درک زبان انسان توسط ماشین‌ها.
• هوش مصنوعی (Artificial Intelligence): بهره‌گیری از الگوریتم‌ها و مدل‌های هوشمند برای حل مسائل پیچیده.
• یادگیری ماشین (Machine Learning): توسعه مدل‌هایی که قادر به یادگیری از داده‌ها و بهبود عملکرد خود بدون برنامه‌ریزی صریح هستند.

این تخصص‌های چندوجهی، به نویسندگان این امکان را داده است تا به طور مؤثرتری به چالش‌های موجود در تفسیر و ساختاردهی داده‌های پزشکی بپردازند.

گزارش‌های رادیولوژی که برای کاربردهای بالینی و تحقیقاتی ضروری هستند، اغلب به صورت متن آزاد (free-text) نوشته و ذخیره می‌شوند. این رویکرد، استخراج اطلاعات مرتبط برای تحلیل‌های بعدی را دشوار می‌سازد. در چنین شرایطی، تکنیک‌های پردازش زبان طبیعی (NLP) می‌توانند با تسهیل استخراج خودکار اطلاعات و تبدیل فرمت‌های متنی آزاد به داده‌های ساختاریافته، راه‌گشا باشند.

در سال‌های اخیر، مدل‌های مبتنی بر یادگیری عمیق (DL) با نتایج امیدوارکننده‌ای در آزمایش‌های NLP به کار گرفته شده‌اند. با وجود پتانسیل قابل توجه مدل‌های DL مبتنی بر شبکه‌های عصبی مصنوعی (ANN) و شبکه‌های عصبی کانولوشنال (CNN)، این مدل‌ها در پیاده‌سازی در عمل با محدودیت‌هایی مواجه بوده‌اند. ترنسفورمرها، به عنوان یک معماری نوین DL، به طور فزاینده‌ای برای بهبود این فرآیند مورد استفاده قرار گرفته‌اند.

در این راستا، مطالعه حاضر یک معماری شناسایی نهاد نام‌دار (Named Entity Recognition – NER) ظریف را بر پایه ترنسفورمر برای استخراج اطلاعات بالینی پیشنهاد می‌کند. محققان 88 گزارش سونوگرافی شکم و لگن را در فرمت متنی آزاد جمع‌آوری کرده و بر اساس طرح‌واره اطلاعاتی توسعه‌یافته خود، آن‌ها را برچسب‌گذاری (annotate) نمودند.

برای استخراج موجودیت‌ها و روابط، و تبدیل ورودی به فرمت ساختاریافته، از مدل ترنسفورمر انتقال متن به متن (Text-to-Text Transfer Transformer – T5) و مدل SciFive (یک نسخه تخصصی و از پیش آموزش‌دیده T5 برای حوزه علمی) استفاده شد. نتایج نشان داد که مدل مبتنی بر ترنسفورمر در این تحقیق، عملکرد بهتری نسبت به رویکردهای پیشین مانند مدل‌های ANN و CNN داشته است. این برتری با معیارهایی نظیر ROUGE-1، ROUGE-2، ROUGE-L و BLEU به ترتیب با امتیازات 0.816، 0.668، 0.528 و 0.743 اثبات شد، در حالی که گزارشی قابل تفسیر و ساختاریافته نیز ارائه می‌داد.

قلب این پژوهش، توسعه و به‌کارگیری یک معماری نوین مبتنی بر ترنسفورمر است که با هدف غلبه بر محدودیت‌های روش‌های سنتی، برای استخراج اطلاعات دقیق و تبدیل گزارش‌های رادیولوژی به فرمت ساختاریافته طراحی شده است.

مراحل کلیدی روش‌شناسی شامل موارد زیر است:

• جمع‌آوری و آماده‌سازی داده‌ها: پژوهشگران 88 گزارش سونوگرافی شکم و لگن را که به صورت متن آزاد (narration) نوشته شده بودند، جمع‌آوری کردند. این مجموعه داده، نقطه شروعی برای آموزش و ارزیابی مدل بود.
• تعریف طرح‌واره اطلاعاتی (Information Schema): برای اطمینان از یکپارچگی و استانداردسازی اطلاعات استخراج شده، یک طرح‌واره اطلاعاتی دقیق تدوین شد. این طرح‌واره، انواع موجودیت‌های مهم (مانند نام اندام، یافته‌های پاتولوژیک، ابعاد، و شدت علائم) و روابط بین آن‌ها را مشخص می‌کرد.
• برچسب‌گذاری (Annotation) داده‌ها: گزارش‌های جمع‌آوری شده، بر اساس طرح‌واره اطلاعاتی تدوین شده، توسط متخصصان به دقت برچسب‌گذاری شدند. این فرآیند، که نیازمند دقت بالا بود، داده‌های آموزشی لازم برای مدل یادگیری عمیق را فراهم آورد.
• انتخاب و تنظیم مدل ترنسفورمر: دو مدل قدرتمند مبتنی بر معماری ترنسفورمر انتخاب شدند:
  • T5 (Text-to-Text Transfer Transformer): این مدل به دلیل توانایی‌اش در تبدیل ورودی به خروجی در قالب متن، برای وظایف مختلف NLP از جمله استخراج اطلاعات و تولید متن بسیار مناسب است.
  • SciFive: این مدل، نسخه‌ای تخصصی از T5 است که به طور خاص بر روی متون علمی آموزش دیده است. این امر باعث می‌شود تا SciFive در درک و پردازش اصطلاحات و ساختارهای زبانی موجود در مقالات و گزارش‌های علمی، از T5 عمومی برتری داشته باشد.
• تنظیم دقیق (Fine-tuning) مدل‌ها: مدل‌های T5 و SciFive با استفاده از داده‌های برچسب‌گذاری شده، تنظیم دقیق شدند. هدف از این مرحله، آموزش مدل‌ها برای شناسایی دقیق نهادها (موجودیت‌ها) و روابط معنایی بین آن‌ها در گزارش‌های رادیولوژی بود.
• ارزیابی عملکرد: عملکرد مدل پیشنهادی بر پایه ترنسفورمر با استفاده از معیارهای استاندارد ارزیابی NLP مانند ROUGE (برای ارزیابی شباهت متن) و BLEU (برای ارزیابی کیفیت ترجمه ماشینی، که در اینجا به معنای کیفیت تبدیل متن آزاد به ساختاریافته به کار رفته است) سنجیده شد. این نتایج با عملکرد مدل‌های قبلی (ANN و CNN) مقایسه گردید.

این روش‌شناسی مدون، امکان استخراج دقیق اطلاعات و تولید گزارش‌های ساختاریافته با سطح بالایی از اعتبار را فراهم می‌آورد.

نتایج این تحقیق، به وضوح نشان‌دهنده برتری رویکرد مبتنی بر ترنسفورمر در مقایسه با روش‌های یادگیری عمیق پیشین است. اصلی‌ترین یافته‌های کلیدی عبارتند از:

• عملکرد برتر در استخراج اطلاعات: مدل ترنسفورمر، با کسب امتیازات بالا در معیارهای ROUGE-1 (0.816)، ROUGE-2 (0.668)، ROUGE-L (0.528) و BLEU (0.743)، توانست به طور قابل توجهی از مدل‌های ANN و CNN پیشی بگیرد. این اعداد نشان‌دهنده توانایی مدل در شناسایی دقیق‌تر نهادها (مانند یافته‌های فیزیکی، ابعاد، محل دقیق ضایعه) و روابط بین آن‌ها هستند.
• تولید گزارش‌های ساختاریافته و قابل تفسیر: فراتر از دقت آماری، مدل پیشنهادی موفق به تولید گزارش‌هایی شده است که نه تنها حاوی اطلاعات کامل، بلکه به شکلی ساختاریافته و سازمان‌یافته ارائه می‌شوند. این امر، خوانایی و درک گزارش را برای پزشکان و پژوهشگران به طور چشمگیری بهبود می‌بخشد.
• قابلیت تعمیم‌پذیری: استفاده از مدل‌های T5 و SciFive که قابلیت انتقال یادگیری (transfer learning) را دارند، نشان‌دهنده پتانسیل این رویکرد برای تعمیم به انواع دیگر گزارش‌های رادیولوژی و حتی سایر متون پزشکی است. SciFive به طور خاص، به دلیل آموزش بر روی داده‌های علمی، در درک واژگان تخصصی رادیولوژی عملکرد بهتری از خود نشان داده است.
• کاهش زمان و هزینه: با خودکارسازی فرآیند استخراج اطلاعات و ساختاردهی گزارش‌ها، این روش پتانسیل کاهش قابل توجه زمان و هزینه‌های مرتبط با ورود و تحلیل داده‌های پزشکی را دارد.

این یافته‌ها، نشان‌دهنده گام مهمی در جهت استفاده از هوش مصنوعی در بهبود فرآیندهای بالینی و پژوهشی است.

دستاورد اصلی این تحقیق، ارائه یک چارچوب عملی و مؤثر برای تبدیل گزارش‌های متنی آزاد رادیولوژی به فرمت‌های ساختاریافته است. این مهم، پیامدهای گسترده‌ای برای حوزه‌های مختلف پزشکی دارد:

• پشتیبانی از تصمیم‌گیری بالینی: گزارش‌های ساختاریافته، امکان بازیابی سریع و دقیق اطلاعات مورد نیاز پزشکان را فراهم می‌آورند. به عنوان مثال، یک پزشک می‌تواند به سرعت تمام یافته‌های مربوط به یک بیماری خاص را در میان صدها گزارش جستجو کند، بدون اینکه نیازی به خواندن تک‌تک آن‌ها باشد.
• تسریع تحقیقات پزشکی: برای پژوهشگران، قابلیت تحلیل حجم عظیمی از داده‌های پزشکی به صورت کمی و آماری، بسیار ارزشمند است. گزارش‌های ساختاریافته، امکان انجام مطالعات اپیدمیولوژیک، بررسی اثربخشی درمان‌ها، و شناسایی الگوهای بیماری را با دقت و سرعت بیشتری فراهم می‌کنند.
• سیستم‌های هشدار و نظارت: این فناوری می‌تواند به توسعه سیستم‌های هوشمند برای نظارت بر سلامت بیماران و شناسایی زودهنگام علائم هشداردهنده کمک کند. به طور مثال، اگر یک یافته غیرطبیعی در گزارش رادیولوژی ثبت شود، سیستم می‌تواند به طور خودکار به پزشک مربوطه هشدار دهد.
• آموزش و یادگیری: دانشجویان پزشکی و رادیولوژیست‌های جوان می‌توانند از گزارش‌های ساختاریافته به عنوان ابزار آموزشی برای یادگیری نحوه تفسیر یافته‌های مختلف و نوشتن گزارش‌های استاندارد استفاده کنند.
• مدیریت دانش پزشکی: سازماندهی گزارش‌های پزشکی به صورت ساختاریافته، به ایجاد پایگاه‌های داده‌ای غنی برای مدیریت دانش پزشکی و به اشتراک‌گذاری تجربیات بالینی کمک می‌کند.

در مجموع، این تحقیق نه تنها یک پیشرفت فنی در حوزه هوش مصنوعی و NLP محسوب می‌شود، بلکه دریچه‌ای نو به سوی ارتقاء کیفیت مراقبت‌های بهداشتی و پیشبرد مرزهای دانش پزشکی می‌گشاید.

مطالعه حاضر، گامی مهم و موفقیت‌آمیز در جهت حل یکی از چالش‌های دیرینه در حوزه پزشکی، یعنی ساختاردهی گزارش‌های رادیولوژی، محسوب می‌شود. استفاده از معماری قدرتمند ترنسفورمر، به ویژه مدل‌های T5 و SciFive، نشان داده است که می‌توان با دقت و کارایی بالا، اطلاعات موجود در متون آزاد را استخراج و به فرمتی قابل پردازش تبدیل کرد.

یافته‌های این تحقیق، پتانسیل عظیم یادگیری عمیق، به‌خصوص مدل‌های ترنسفورمر، را در تحول فرآیندهای بالینی و تحقیقاتی برجسته می‌سازد. با خودکارسازی و استانداردسازی تولید گزارش‌های رادیولوژی، می‌توان امیدوار بود که:

• کیفیت و دقت تشخیص‌ها افزایش یابد.
• زمان لازم برای تحلیل داده‌های پزشکی به شدت کاهش یابد.
• امکان انجام تحقیقات پیچیده‌تر و با مقیاس بزرگتر فراهم شود.
• تصمیم‌گیری‌های بالینی مبتنی بر داده‌های دقیق‌تر و جامع‌تر اتخاذ گردد.

با وجود موفقیت‌های چشمگیر، این حوزه همچنان نیازمند پژوهش‌های بیشتر برای گسترش به سایر بخش‌های رادیولوژی، بهبود دقت در موارد نادر، و اطمینان از سازگاری کامل با استانداردهای اخلاقی و حریم خصوصی داده‌های پزشکی است. با این حال، این مقاله نشان می‌دهد که آینده گزارش‌نویسی پزشکی، آینده‌ای هوشمند، ساختاریافته و مملو از فرصت‌های جدید برای بهبود سلامت انسان خواهد بود.