مقدمه و اهمیت

تشخیص خودکار یافته‌های رادیولوژیک در تصاویر اشعه ایکس قفسه سینه (CXR) با وجود پیشرفت‌های اخیر، با چالشی اساسی روبروست: کمبود داده‌های برچسب‌گذاری شده‌ی موضعی (local annotations) که بتواند ارزیابی کمی و کیفی قابلیت توضیح‌دهی (explainability) مدل‌های یادگیری عمیق را فراهم کند. اکثر مدل‌های یادگیری عمیق کنونی برچسب‌های کلی و “ضعیف” (weak labels) را از گزارش‌های متنی استخراج می‌کنند یا از طریق یادگیری مشترک تصویر و متن غیرساختاریافته آموزش می‌بینند. این روش‌ها، اگرچه کاربردی هستند، اما جزئیات دقیق مکانی یافته‌ها را پنهان می‌کنند و درک چگونگی رسیدن مدل به نتیجه را دشوار می‌سازند. برای غلبه بر این محدودیت، مجموعه‌داده‌ی جدیدی به نام Chest ImaGenome با ساختار گراف صحنه (scene graph) معرفی شده است تا درک عمیق‌تری از روابط بین یافته‌ها و ساختارهای آناتومیکی در تصاویر CXR ارائه دهد. این مجموعه‌داده گامی مهم در جهت ارتقای قابلیت توضیح‌دهی و استدلال بالینی مدل‌های هوش مصنوعی در حوزه رادیولوژی محسوب می‌شود.

نویسندگان و زمینه تحقیق

این مقاله توسط گروهی از پژوهشگران برجسته از جمله Joy T. Wu، Nkechinyere N. Agu، Ismini Lourentzou، Arjun Sharma، Joseph A. Paguio، Jasper S. Yao، Edward C. Dee، William Mitchell، Satyananda Kashyap، Andrea Giovannini و Leo A. Celi ارائه شده است. این پژوهش در تلاقی حوزه‌های بینایی کامپیوتر و پردازش زبان طبیعی (NLP)، با تمرکز بر هوش مصنوعی و یادگیری ماشین در حوزه پزشکی، به ویژه رادیولوژی، صورت گرفته است. هدف اصلی این تحقیق، پر کردن شکاف موجود در داده‌های برچسب‌گذاری شده‌ی محلی برای تصاویر CXR و تسهیل توسعه مدل‌های قابل اعتمادتر و قابل توضیح‌تر در تشخیص بیماری‌ها است.

چکیده و خلاصه محتوا

مجموعه‌داده‌ی Chest ImaGenome با هدف فراهم کردن امکان ارزیابی کمی قابلیت توضیح‌دهی مدل‌های تشخیص یافته‌های رادیولوژیک از تصاویر CXR توسعه یافته است. این مجموعه‌داده شامل بیش از 242,072 تصویر است که با استفاده از ساختار گراف صحنه توصیف شده‌اند. برخلاف روش‌های سنتی که از برچسب‌های کلی استفاده می‌کنند، Chest ImaGenome دارای حاشیه‌نویسی‌های (annotations) محلی دقیق است. این حاشیه‌نویسی‌ها به طور خودکار با استفاده از یک پایپ‌لاین ترکیبی پردازش زبان طبیعی مبتنی بر قاعده و تشخیص جعبه محدودکننده (bounding box detection) مبتنی بر اطلس تولید شده‌اند. با استفاده از یک هستی‌شناسی (ontology) CXR که توسط رادیولوژیست‌ها ساخته شده است، حاشیه‌نویسی‌های هر تصویر CXR به یک گراف صحنه متمرکز بر آناتومی متصل می‌شوند. این ساختار برای استدلال در سطح تصویر و کاربردهای ادغام چندوجهی (multimodal fusion) بسیار مفید است. به طور خلاصه، این تحقیق موارد زیر را ارائه می‌دهد:

• 1,256 ترکیب از حاشیه‌نویسی روابط بین 29 ناحیه آناتومیکی CXR (اشیاء با مختصات جعبه محدودکننده) و ویژگی‌های آن‌ها، که به صورت یک گراف صحنه برای هر تصویر سازماندهی شده‌اند.
• بیش از 670,000 رابطه مقایسه‌ای محلی (برای بهبود، بدتر شدن یا عدم تغییر) بین نواحی آناتومیکی در معاینات متوالی.
• یک مجموعه‌داده‌ی گراف صحنه با کیفیت بالا (gold standard) که به صورت دستی بر روی 500 بیمار منحصر به فرد حاشیه‌نویسی شده است.

روش‌شناسی تحقیق

روش‌شناسی تحقیق در توسعه‌ی Chest ImaGenome شامل چندین مرحله کلیدی است:

• استخراج داده‌ها: بیش از 242,072 تصویر CXR از منابع موجود جمع‌آوری شده است.
• تشخیص نواحی آناتومیکی و ویژگی‌ها:
  • این مرحله با استفاده از یک پایپ‌لاین ترکیبی خودکار صورت گرفته است.
  • پردازش زبان طبیعی مبتنی بر قاعده (Rule-based NLP): برای شناسایی و استخراج اصطلاحات مربوط به یافته‌های رادیولوژیک و ساختارهای آناتومیکی از گزارش‌های متنی همراه تصاویر استفاده شده است.
  • تشخیص جعبه محدودکننده مبتنی بر اطلس (Atlas-based Bounding Box Detection): با استفاده از اطلس‌های آناتومیکی از پیش تعریف شده و تکنیک‌های پردازش تصویر، نواحی آناتومیکی اصلی (مانند ریه چپ، ریه راست، قلب، دیافراگم و غیره) در تصاویر CXR شناسایی و با جعبه‌های محدودکننده مشخص شده‌اند.
• ساخت هستی‌شناسی CXR: یک هستی‌شناسی جامع توسط رادیولوژیست‌ها تدوین شده است که شامل 29 ناحیه آناتومیکی اصلی CXR و ویژگی‌های مرتبط با آن‌ها (مانند حجم، چگالی، شکل، مکان و روابط فضایی) است. این هستی‌شناسی به عنوان چارچوبی برای سازماندهی اطلاعات عمل می‌کند.
• تولید گراف صحنه:
  • برای هر تصویر، نواحی آناتومیکی شناسایی شده به عنوان “گره‌ها” (nodes) در گراف در نظر گرفته می‌شوند.
  • ویژگی‌های هر ناحیه به عنوان “ویژگی‌های گره” (node attributes) ذخیره می‌شوند.
  • روابط بین نواحی آناتومیکی (مانند “بالا”، “پایین”، “داخل”، “همجوار”) و روابط بین نواحی و یافته‌های رادیولوژیک (مانند “حضور کدورت در ناحیه X”) به عنوان “یال‌ها” (edges) در گراف نمایش داده می‌شوند.
  • این ساختار گراف صحنه، تصویری ساختاریافته و غنی از محتوای تصویر CXR ارائه می‌دهد.
• حاشیه‌نویسی روابط مقایسه‌ای: در مواردی که تصاویر CXR از یک بیمار در زمان‌های مختلف وجود دارند، روابط مقایسه‌ای بین نواحی آناتومیکی در معاینات متوالی (مانند “کاهش حجم مایع پلورال”، “افزایش اندازه توده”) به صورت محلی حاشیه‌نویسی شده‌اند. این بخش برای مدل‌سازی پیشرفت بیماری یا پاسخ به درمان حیاتی است.
• ایجاد مجموعه‌داده‌ی Gold Standard: برای اطمینان از کیفیت و صحت حاشیه‌نویسی‌ها، یک زیرمجموعه از داده‌ها (500 بیمار) به صورت دستی توسط متخصصان رادیولوژی حاشیه‌نویسی شده است تا به عنوان معیار طلایی (gold standard) برای ارزیابی مدل‌ها عمل کند.

یافته‌های کلیدی

نتایج حاصل از توسعه‌ی مجموعه‌داده‌ی Chest ImaGenome شامل یافته‌های مهمی است:

• جامعیت داده‌ها: این اولین مجموعه‌داده در مقیاس بزرگ است که از ساختار گراف صحنه برای توصیف تصاویر CXR استفاده می‌کند. این ساختار امکان نمایش روابط پیچیده بین اجزا را فراهم می‌آورد.
• حاشیه‌نویسی‌های محلی دقیق: برخلاف روش‌های سنتی مبتنی بر برچسب‌های کلی، Chest ImaGenome حاشیه‌نویسی‌های مکانی دقیقی برای یافته‌ها و نواحی آناتومیکی ارائه می‌دهد. این دقت برای ارزیابی قابلیت توضیح‌دهی مدل‌ها بسیار ارزشمند است.
• پوشش گسترده آناتومی و روابط: این مجموعه‌داده بیش از 1,256 ترکیب مختلف از روابط بین 29 ناحیه آناتومیکی و ویژگی‌های آن‌ها را در بر می‌گیرد. این تنوع به مدل‌ها اجازه می‌دهد تا درک عمیق‌تری از آناتومی و پاتولوژی قفسه سینه کسب کنند.
• قابلیت مدل‌سازی تغییرات زمانی: داده‌های مقایسه‌ای برای معاینات متوالی، امکان توسعه مدل‌هایی را فراهم می‌کند که قادر به پیگیری تغییرات بیماری در طول زمان هستند. این امر برای مدیریت بیماری‌های مزمن یا ارزیابی پاسخ به درمان بسیار حیاتی است.
• کیفیت بالا با مجموعه‌داده‌ی Gold Standard: وجود یک مجموعه‌داده‌ی حاشیه‌نویسی شده به صورت دستی، امکان ارزیابی دقیق و قابل اعتماد مدل‌های توسعه یافته را تضمین می‌کند.

کاربردها و دستاوردها

مجموعه‌داده‌ی Chest ImaGenome پتانسیل بالایی برای دگرگونی در توسعه و ارزیابی سیستم‌های هوش مصنوعی در رادیولوژی دارد:

• بهبود قابلیت توضیح‌دهی مدل‌ها: با داشتن حاشیه‌نویسی‌های محلی، می‌توان مدل‌هایی را توسعه داد که نه تنها یافته‌ها را تشخیص می‌دهند، بلکه مکان دقیق آن‌ها را نیز مشخص می‌کنند و دلیل تشخیص خود را بر اساس ساختار آناتومیکی و روابط آن توضیح می‌دهند. این امر اعتماد پزشکان به سیستم‌های هوش مصنوعی را افزایش می‌دهد.
• استدلال بالینی پیشرفته: ساختار گراف صحنه امکان انجام استدلال‌های پیچیده‌تر را فراهم می‌کند. به عنوان مثال، مدل می‌تواند تشخیص دهد که یک کدورت در ناحیه خاصی از ریه، چگونه با وضعیت قلب یا دیافراگم مرتبط است.
• یادگیری چندوجهی (Multimodal Learning): این مجموعه‌داده بستر مناسبی برای ادغام اطلاعات حاصل از تصویر (CXR) و متن (گزارش‌های رادیولوژی) فراهم می‌کند. گراف صحنه می‌تواند به عنوان یک نمایش میانی قدرتمند برای ادغام این دو نوع داده عمل کند.
• مدل‌سازی پیشرفت بیماری: داده‌های مقایسه‌ای برای پیگیری تغییرات بیماری در طول زمان، به پزشکان کمک می‌کند تا روند بیماری را بهتر درک کرده و تصمیمات درمانی آگاهانه‌تری بگیرند.
• توسعه ابزارهای تشخیصی دقیق‌تر: با آموزش مدل‌ها بر روی این مجموعه‌داده‌ی غنی، می‌توان ابزارهای تشخیصی را توسعه داد که در تشخیص بیماری‌های نادر یا یافته‌های ظریف، دقت بالاتری دارند.
• پژوهش‌های جدید در حوزه گراف‌های دانش (Knowledge Graphs) در پزشکی: این تحقیق می‌تواند الهام‌بخش تحقیقات بیشتری در زمینه استفاده از گراف‌های دانش برای نمایش و استدلال در داده‌های پزشکی باشد.

به عنوان یک مثال عملی، تصور کنید مدلی که قادر است نه تنها تشخیص دهد بیمار دچار پنومونی است، بلکه دقیقاً مشخص کند کدام بخش از لوب فوقانی ریه راست درگیر شده، میزان درگیری چقدر است و آیا این درگیری با یافته‌های دیگر مانند پلورال افیوژن (تجمع مایع در فضای جنب) مرتبط است یا خیر. این سطح از جزئیات، که توسط Chest ImaGenome ممکن شده است، برای برنامه‌ریزی درمان و پیگیری بیمار بسیار ارزشمند است.

نتیجه‌گیری

مجموعه‌داده‌ی Chest ImaGenome گامی تحول‌آفرین در جهت توسعه‌ی سیستم‌های هوش مصنوعی قابل اعتمادتر و قابل توضیح‌تر در حوزه رادیولوژی است. با ارائه حاشیه‌نویسی‌های محلی دقیق، ساختار گراف صحنه و داده‌های مقایسه‌ای برای معاینات متوالی، این مجموعه‌داده به پژوهشگران و توسعه‌دهندگان این امکان را می‌دهد تا مدل‌هایی را بسازند که نه تنها قادر به تشخیص یافته‌های رادیولوژیک هستند، بلکه درک عمیق‌تری از روابط آناتومیکی و پاتولوژیکی دارند. این پیشرفت می‌تواند به بهبود دقت تشخیص، افزایش اعتماد پزشکان به ابزارهای هوش مصنوعی و در نهایت، ارتقای کیفیت مراقبت از بیمار منجر شود. تحقیقات آینده با استفاده از این مجموعه‌داده می‌تواند به پیشرفت‌های چشمگیری در حوزه هوش مصنوعی پزشکی دست یابد.