در سال‌های اخیر، حوزه هوش مصنوعی و یادگیری ماشین شاهد پیشرفت‌های چشمگیری در زمینه‌هایی چون پردازش زبان طبیعی (NLP) و بینایی کامپیوتر (CV) بوده است. بخش بزرگی از این موفقیت‌ها مدیون تکنیکی به نام پیش‌آموزش (Pre-training) است. در این روش، یک مدل ابتدا بر روی حجم عظیمی از داده‌های عمومی (مانند متن یا تصویر) آموزش داده می‌شود تا الگوهای بنیادین و بازنمایی‌های غنی را بیاموزد. سپس، این مدلِ از پیش آموزش‌دیده، برای یک وظیفه خاص و با داده‌های محدودتر، «تنظیم دقیق» (Fine-tuning) می‌شود. این رویکرد، نیاز به داده‌های برچسب‌دار انبوه را کاهش داده و عملکرد مدل را به شدت بهبود می‌بخشد.

با این حال، استفاده از این پتانسیل در حوزه تحلیل داده‌های بالینی و پرونده‌های الکترونیک سلامت (EHR) با چالش‌های منحصربه‌فردی روبرو بوده است. داده‌های پزشکی اغلب پیچیده، ناهمگون و چندوجهی (Multi-modal) هستند و شامل اطلاعاتی از انواع مختلف مانند نتایج آزمایش‌های عددی، یادداشت‌های پزشک، تصاویر پزشکی و سری‌های زمانی علائم حیاتی می‌شوند. علاوه بر این، در بسیاری از موارد، مانند بیماری‌های نادر یا داده‌های جمع‌آوری‌شده در بیمارستان‌های کوچک، با مشکل کمبود داده‌های برچسب‌دار مواجه هستیم. مقاله حاضر با عنوان «پیش‌آموزش بدون نظارت روی گراف‌های جمعیت بیماران جهت پیش‌بینی‌های بیمارمحور» راهکاری نوآورانه برای این چالش‌ها ارائه می‌دهد. این پژوهش با ترکیب قدرت یادگیری عمیق روی گراف (Graph Deep Learning) و پیش‌آموزش بدون نظارت، مسیری جدید برای بهره‌برداری از داده‌های EHR در مقیاس بزرگ و بهبود دقت پیش‌بینی‌های پزشکی در سطح فردی باز می‌کند.

این مقاله حاصل همکاری سه پژوهشگر برجسته در حوزه هوش مصنوعی پزشکی است: شانتال پلگرینی (Chantal Pellegrini)، انیس قاضی (Anees Kazi) و نصیر نواب (Nassir Navab). این تیم تحقیقاتی در مرز دانش یادگیری ماشین و کاربردهای بالینی فعالیت می‌کنند و به ویژه در زمینه استفاده از روش‌های پیشرفته برای تحلیل تصاویر پزشکی و داده‌های بالینی شناخته‌شده هستند. پروفسور نصیر نواب، از چهره‌های پیشرو در زمینه مداخلات پزشکی به کمک کامپیوتر و واقعیت افزوده در پزشکی است و آزمایشگاه او سهم بسزایی در توسعه الگوریتم‌های نوآورانه برای بهبود مراقبت‌های بهداشتی داشته است. این مقاله نیز در ادامه همین مسیر، به探索探索 یک رویکرد جدید برای مدل‌سازی جمعیت بیماران و یادگیری از داده‌های پیچیده بالینی می‌پردازد.

هدف اصلی این پژوهش، ارائه یک چارچوب پیش‌آموزش بدون نظارت برای داده‌های چندوجهی و ناهمگون پرونده‌های الکترونیک سلامت (EHR) است تا عملکرد مدل‌ها در وظایف پیش‌بینی پیامدهای بیمار (مانند پیش‌بینی مرگ‌ومیر یا تشخیص بیماری) بهبود یابد. برای مدل‌سازی روابط پیچیده بین بیماران، نویسندگان از یک ساختار گراف جمعیت بیماران استفاده می‌کنند. در این گراف، هر بیمار یک گره (Node) است و یال‌ها (Edges) نشان‌دهنده شباهت بین بیماران بر اساس ویژگی‌های بالینی آن‌ها هستند.

محققان یک معماری شبکه عصبی مبتنی بر «ترنسفورمر گراف» (Graph Transformer) طراحی کرده‌اند که قادر است انواع مختلف داده‌ها (پیوسته، گسسته و سری‌های زمانی) را به طور موثر با یکدیگر ترکیب و پردازش کند. سپس، با استفاده از یک روش پیش‌آموزش مبتنی بر تکمیل مقادیر پنهان‌شده (Masked Imputation)، مدل را به صورت کاملاً بدون نظارت آموزش می‌دهند. در این مرحله، مدل یاد می‌گیرد تا ویژگی‌های حذف‌شده یا «پنهان‌شده» یک بیمار را بر اساس اطلاعات سایر بیماران مشابه در گراف، پیش‌بینی کند. این فرایند به مدل کمک می‌کند تا بازنمایی‌های عمیق و معناداری از داده‌های بالینی بیاموزد. در نهایت، مدل پیش‌آموزش‌دیده برای وظایف پیش‌بینی خاص، تنظیم دقیق می‌شود. نتایج آزمایش روی دو مجموعه داده پزشکی معتبر (MIMIC-III و TADPOLE) نشان می‌دهد که این روش به طور قابل توجهی عملکرد مدل را در مقایسه با روش‌های دیگر بهبود می‌بخشد.

متدولوژی این مقاله از چند بخش کلیدی و نوآورانه تشکیل شده است که در ادامه به تفصیل شرح داده می‌شوند:

• ساخت گراف جمعیت بیماران: اولین قدم، تبدیل مجموعه داده‌های جدولی EHR به یک ساختار گراف است. در این گراف، هر بیمار به عنوان یک گره در نظر گرفته می‌شود. ویژگی‌های هر گره، مجموعه‌ای از داده‌های بالینی آن بیمار (مانند سن، نتایج آزمایش‌ها، سوابق بیماری و…) است. یال‌ها یا ارتباطات بین گره‌ها بر اساس شباهت بین بیماران تعریف می‌شود. این شباهت می‌تواند بر اساس معیارهایی مانند ویژگی‌های دموگرافیک، تشخیص‌های مشترک یا سایر معیارهای بالینی محاسبه شود. این ساختار به مدل اجازه می‌دهد تا بیمار را نه به صورت یک نقطه داده ایزوله، بلکه در بستر یک جمعیت مرتبط ببیند.
• معماری مدل ترنسفورمر گراف: برای پردازش این گراف، نویسندگان یک معماری مبتنی بر ترنسفورمر گراف طراحی کرده‌اند. این معماری قادر است به طور همزمان با انواع مختلف داده‌ها کار کند:
  • ویژگی‌های پیوسته و گسسته: مانند سن یا نتایج آزمایشگاهی که مستقیماً به مدل وارد می‌شوند.
  • ویژگی‌های سری زمانی: مانند داده‌های علائم حیاتی که در طول زمان ثبت شده‌اند. این داده‌ها ابتدا توسط یک شبکه بازگشتی (RNN) پردازش شده و سپس به عنوان بخشی از ویژگی‌های گره به مدل اصلی داده می‌شوند.

  این معماری به مدل اجازه می‌دهد تا اطلاعات را از گره‌های همسایه در گراف جمع‌آوری کرده و الگوهای پیچیده در سطح جمعیت را شناسایی کند.

• پیش‌آموزش بدون نظارت با تکمیل مقادیر پنهان: این بخش، هسته اصلی نوآوری مقاله است. در این مرحله، مدل بدون نیاز به هیچ‌گونه برچسبی (مانند اینکه آیا بیمار فوت کرده یا نه) آموزش داده می‌شود. فرایند به این صورت است که به طور تصادفی برخی از ویژگی‌های بیماران در گراف پنهان (Mask) می‌شود. سپس از مدل خواسته می‌شود تا این مقادیر پنهان‌شده را صرفاً با استفاده از اطلاعات باقی‌مانده از خود بیمار و همسایگانش در گراف، بازسازی یا پیش‌بینی کند. این وظیفه، مدل را وادار می‌کند تا روابط آماری عمیق بین متغیرهای بالینی مختلف و شباهت‌های بین بیماران را بیاموزد. این فرایند مشابه روشی است که مدل‌های زبانی مانند BERT کلمات حذف‌شده در یک جمله را پیش‌بینی می‌کنند.
• تنظیم دقیق (Fine-tuning): پس از اتمام مرحله پیش‌آموزش، مدل که اکنون درک غنی از داده‌های پزشکی دارد، برای یک وظیفه پیش‌بینی خاص (مانند پیش‌بینی خطر ابتلا به یک بیماری) آماده می‌شود. یک لایه خروجی ساده به انتهای مدل اضافه شده و کل شبکه با استفاده از مجموعه داده کوچکی که دارای برچسب است، آموزش داده می‌شود. از آنجا که مدل از قبل الگوهای اساسی را آموخته است، این مرحله با داده‌های کمتر و سرعت بالاتر به نتایج بهتری دست می‌یابد.

برای ارزیابی کارایی روش پیشنهادی، نویسندگان از دو مجموعه داده کاملاً متفاوت استفاده کردند:

• MIMIC-III: یک پایگاه داده بزرگ و عمومی از پرونده‌های الکترونیک سلامت بیماران بستری در بخش مراقبت‌های ویژه (ICU). این داده‌ها بسیار ناهمگون بوده و شامل اطلاعات دموگرافیک، علائم حیاتی، نتایج آزمایشگاهی و یادداشت‌های پزشکی است. وظیفه پیش‌بینی در این مجموعه داده، پیش‌بینی مرگ‌ومیر در بیمارستان بود.
• TADPOLE: یک مجموعه داده برای مطالعه بیماری آلزایمر که شامل داده‌های تصویربرداری مغز (MRI)، مایع مغزی-نخاعی، اطلاعات ژنتیکی و نتایج تست‌های شناختی است. وظیفه در اینجا، پیش‌بینی پیشرفت بیماری در بیماران بود.

نتایج آزمایش‌ها بسیار امیدوارکننده بود. روش پیش‌آموزش مبتنی بر گراف توانست عملکرد مدل را در هر دو مجموعه داده به طور معناداری بهبود بخشد. به طور مشخص، این روش منجر به افزایش میانگین AUC (Area Under the Curve) به میزان ۴.۱۵٪ برای مجموعه داده MIMIC-III و ۷.۶۴٪ برای مجموعه داده TADPOLE شد. اگرچه این اعداد ممکن است در نگاه اول کوچک به نظر برسند، اما در حوزه پزشکی، حتی بهبودهای جزئی در دقت پیش‌بینی می‌تواند تأثیر قابل توجهی بر تصمیم‌گیری‌های بالینی و جان بیماران داشته باشد. این نتایج نشان می‌دهد که مدل‌سازی صریح روابط بین بیماران از طریق گراف و یادگیری بازنمایی‌ها به صورت بدون نظارت، یک استراتژی بسیار مؤثر برای تحلیل داده‌های پزشکی است.

این پژوهش دستاوردهای مهمی دارد و درهای جدیدی را برای کاربردهای عملی هوش مصنوعی در پزشکی باز می‌کند:

• بهبود مدل‌ها در شرایط کمبود داده: این روش به ویژه برای سناریوهایی که داده‌های برچسب‌دار کمیاب هستند، مانند بیماری‌های نادر یا کلینیک‌های کوچک، بسیار ارزشمند است. می‌توان یک مدل را روی داده‌های عمومی و بدون برچسب بزرگ پیش‌آموزش داد و سپس آن را برای یک جمعیت خاص تنظیم دقیق کرد.
• استفاده از پتانسیل داده‌های بدون برچسب: حجم عظیمی از داده‌های بالینی در سراسر جهان بدون برچسب‌های مشخص برای وظایف یادگیری ماشین ذخیره شده‌اند. روش پیش‌آموزش بدون نظارت اجازه می‌دهد تا از این گنجینه اطلاعاتی برای ساخت مدل‌های هوشمندتر استفاده شود.
• حرکت به سوی پزشکی شخصی‌سازی‌شده: با درک بهتر جایگاه یک بیمار در میان جمعیت بیماران مشابه، مدل‌ها می‌توانند پیش‌بینی‌های دقیق‌تر و شخصی‌سازی‌شده‌تری ارائه دهند. این امر به پزشکان کمک می‌کند تا تصمیمات درمانی بهتری اتخاذ کنند.
• یکپارچه‌سازی داده‌های چندوجهی: چارچوب ارائه شده یک راهکار قدرتمند برای ترکیب انواع مختلف داده‌های پزشکی است. این قابلیت به مدل اجازه می‌دهد تا یک تصویر جامع و کامل از وضعیت بیمار به دست آورد.

مقاله «پیش‌آموزش بدون نظارت روی گراف‌های جمعیت بیماران» یک گام مهم رو به جلو در زمینه کاربرد یادگیری عمیق در حوزه سلامت است. نویسندگان با موفقیت نشان دادند که ترکیب مدل‌سازی مبتنی بر گراف، معماری ترنسفورمر و یک استراتژی هوشمندانه پیش‌آموزش بدون نظارت می‌تواند بر چالش‌های کلیدی داده‌های پزشکی، یعنی ناهمگونی و کمبود برچسب، غلبه کند. این رویکرد نه تنها عملکرد مدل‌های پیش‌بینی را به طور قابل توجهی بهبود می‌بخشد، بلکه راه را برای استفاده از مجموعه داده‌های بزرگ و عمومی در جهت توسعه ابزارهای هوش مصنوعی پزشکی قدرتمندتر و دقیق‌تر هموار می‌سازد. این پژوهش افق‌های جدیدی را برای ساخت نسل بعدی سیستم‌های پشتیبان تصمیم‌گیری بالینی ترسیم می‌کند که قادر به درک عمیق‌تر بیماران در بستر جمعیتی خود هستند.