۱. مقدمه و اهمیت موضوع

تصویربرداری پزشکی، به خصوص رادیوگرافی قفسه سینه، ابزاری حیاتی در تشخیص طیف وسیعی از بیماری‌ها محسوب می‌شود. با این حال، تفسیر این تصاویر نیازمند تخصص و زمان قابل توجهی است. توسعه روش‌های خودکار برای تحلیل تصاویر پزشکی می‌تواند به پزشکان در تشخیص سریع‌تر و دقیق‌تر کمک شایانی کند. یکی از چالش‌های کلیدی در این زمینه، نیاز به داده‌های آموزشی با کیفیت و برچسب‌گذاری شده فراوان است. ایجاد مجموعه‌داده‌های بزرگ از تصاویر پزشکی با حاشیه‌نویسی دقیق ناهنجاری‌ها، فرآیندی بسیار پرهزینه، زمان‌بر و نیازمند متخصصان خبره است. این امر، توسعه الگوریتم‌های یادگیری عمیق را که به داده‌های فراوان نیاز دارند، با محدودیت مواجه می‌کند. مقاله حاضر با عنوان “Anatomy-Guided Weakly-Supervised Abnormality Localization in Chest X-rays” (مکان‌یابی ناهنجاری در رادیوگرافی قفسه سینه با نظارت ضعیف و هدایت آناتومی) به دنبال حل این مشکل از طریق بهره‌گیری از “نظارت ضعیف” (Weak Supervision) است.

نظارت ضعیف به معنای استفاده از اطلاعات در دسترس اما نه کاملاً دقیق برای آموزش مدل‌هاست. در حوزه پزشکی، گزارش‌های رادیولوژی که همراه با تصاویر تهیه می‌شوند، حاوی اطلاعات ارزشمندی هستند. این گزارش‌ها اغلب حاوی مشاهدات پاتولوژیک (مانند وجود پلورال افیوژن یا پنومونی) هستند که می‌توانند به عنوان برچسب‌های ضعیف برای آموزش مدل‌های تشخیص ناهنجاری استفاده شوند. با این حال، این گزارش‌ها معمولاً به صورت متن آزاد نوشته شده و دارای ابهام زبانی، پراکندگی اطلاعات و عدم انطباق دقیق مکانی با نواحی مورد نظر در تصویر هستند. چالش اصلی این است که چگونه بتوان از این اطلاعات نه چندان دقیق، برای هدایت مدل به سمت شناسایی دقیق محل ناهنجاری‌ها در تصاویر رادیوگرافی قفسه سینه بهره برد.

این مقاله نوآوری مهمی را در این زمینه ارائه می‌دهد: استفاده از دانش آناتومیک تصاویر قفسه سینه برای بهبود فرآیند مکان‌یابی ناهنجاری‌ها. هدف اصلی، توسعه روشی است که بتواند بدون نیاز به برچسب‌گذاری دقیق مکانی (که بسیار دشوار است)، ناهنجاری‌ها را در تصاویر رادیوگرافی تشخیص داده و محل تقریبی آن‌ها را مشخص کند. این رویکرد می‌تواند انقلابی در خودکارسازی تحلیل تصاویر پزشکی ایجاد کند و دسترسی به ابزارهای تشخیصی پیشرفته را تسهیل نماید.

۲. نویسندگان و زمینه تحقیق

این مقاله توسط تیمی از پژوهشگران شامل Ke Yu، Shantanu Ghosh، Zhexiong Liu، Christopher Deible و Kayhan Batmanghelich ارائه شده است. زمینه تحقیق اصلی این گروه در تقاطع بینایی کامپیوتر (Computer Vision)، پردازش الگو (Pattern Recognition) و یادگیری ماشین (Machine Learning) قرار دارد. تمرکز ویژه آن‌ها بر کاربردهای پزشکی هوش مصنوعی و توسعه الگوریتم‌های هوشمند برای تحلیل تصاویر تشخیصی است.

دکتر Kayhan Batmanghelich، به عنوان نویسنده مسئول و پژوهشگر برجسته در این حوزه، سابقه تحقیقاتی قابل توجهی در زمینه یادگیری ماشین برای داده‌های پزشکی، از جمله تحلیل تصاویر MRI، CT و X-ray دارد. تیم تحقیقاتی با ترکیب دانش تخصصی در حوزه پردازش زبان طبیعی (NLP) برای استخراج اطلاعات از گزارش‌های پزشکی و بینایی کامپیوتر برای تحلیل تصاویر، به دنبال ایجاد راهکارهای نوآورانه برای مسائل پیچیده پزشکی هستند.

این تحقیق در راستای توسعه سیستم‌های هوشمند پشتیبان تصمیم‌گیری بالینی (Clinical Decision Support Systems) قرار می‌گیرد که هدف آن‌ها کمک به پزشکان در فرآیند تشخیص، کاهش خطای انسانی و افزایش کارایی است. با توجه به رشد روزافزون حجم داده‌های پزشکی، نیاز به ابزارهای خودکار و دقیق برای تحلیل این داده‌ها بیش از پیش احساس می‌شود و پژوهش‌های این چنینی نقش کلیدی در پیشبرد این هدف ایفا می‌کنند.

۳. چکیده و خلاصه محتوا

چکیده این مقاله به خوبی اهداف و دستاوردهای اصلی تحقیق را بیان می‌کند. به طور خلاصه، مقاله به مشکلات موجود در زمینه ایجاد مجموعه داده‌های بزرگ برای آموزش مدل‌های تشخیص ناهنجاری در تصاویر پزشکی اشاره دارد و راه‌حلی را معرفی می‌کند که از نظارت ضعیف مبتنی بر گزارش‌های رادیولوژی بهره می‌برد.

مشکلات کلیدی مورد اشاره در چکیده:

• هزینه و زمان‌بر بودن برچسب‌گذاری دقیق: ایجاد مجموعه‌داده‌های بزرگ با حاشیه‌نویسی مکانی دقیق ناهنجاری‌ها، کاری دشوار و پرهزینه است.
• استفاده ناکافی از اطلاعات گزارش‌ها: بیشتر روش‌های فعلی تنها از مشاهدات سطح تصویر (image-level) در گزارش‌ها استفاده می‌کنند و از اطلاعات مربوط به آناتومی‌های ذکر شده در گزارش‌ها بهره نمی‌برند.
• نویز در برچسب‌های استخراج شده از NLP: برچسب‌های ضعیف که از طریق پردازش زبان طبیعی (NLP) از گزارش‌ها استخراج می‌شوند، به دلیل پراکندگی اطلاعات و ابهامات زبانی، دارای خطا (نویز) هستند.

راه حل پیشنهادی:

مقاله، چارچوب جدیدی به نام AGXNet (Anatomy-Guided chest X-ray Network) را معرفی می‌کند. این چارچوب با هدف رفع چالش‌های برچسب‌گذاری ضعیف طراحی شده است. AGXNet از یک معماری آبشاری (cascaded) متشکل از دو شبکه تشکیل شده است:

• شبکه اول: مسئول شناسایی ناهنجاری‌های آناتومیک (مانند تغییر شکل یک ناحیه آناتومیک).
• شبکه دوم: مسئول شناسایی مشاهدات پاتولوژیک (مانند وجود توده یا التهاب).

مؤلفه کلیدی:

مؤلفه حیاتی در AGXNet، یک ماژول توجه هدایت‌شده توسط آناتومی (anatomy-guided attention module) است. این ماژول به شبکه دوم (تشخیص مشاهدات پاتولوژیک) کمک می‌کند تا بر روی نواحی آناتومیک مرتبط که توسط شبکه اول شناسایی شده‌اند، تمرکز کند. این رویکرد، امکان مکان‌یابی دقیق‌تر ناهنجاری را فراهم می‌آورد.

یادگیری PU:

برای مدیریت چالش “فقدان ذکر به معنای عدم وجود نیست” (lack of mention does not necessarily mean a negative label)، از تکنیک یادگیری مثبت-ناموجود (Positive Unlabeled – PU learning) استفاده شده است. این رویکرد امکان یادگیری از داده‌هایی را که فقط شامل نمونه‌های مثبت (ناهنجاری) و نمونه‌های ناموجود (بدون اطلاعات مشخص) هستند، فراهم می‌آورد.

نتایج:

نتایج کمی و کیفی گزارش شده بر روی مجموعه داده MIMIC-CXR، اثربخشی AGXNet را در مکان‌یابی ناهنجاری‌های بیماری و آناتومیک نشان می‌دهد. همچنین، آزمایش‌ها بر روی مجموعه داده NIH Chest X-ray حاکی از آن است که بازنمایی‌های ویژگی آموخته شده توسط این مدل، قابلیت انتقال (transferable) داشته و می‌توانند در طبقه‌بندی بیماری به نتایج پیشرفته (state-of-the-art) و مکان‌یابی بیماری به نتایج رقابتی دست یابند.

۴. روش‌شناسی تحقیق

روش‌شناسی AGXNet بر پایه‌ی یک معماری دو مرحله‌ای و بهره‌گیری هوشمندانه از اطلاعات آناتومیک و مشاهدات پاتولوژیک از گزارش‌های رادیولوژی بنا شده است. در اینجا جزئیات این روش‌شناسی را شرح می‌دهیم:

الف) استخراج برچسب‌های ضعیف:

اولین گام، استخراج اطلاعات قابل استفاده از گزارش‌های رادیولوژی است. این گزارش‌ها به صورت متن آزاد نوشته شده‌اند و نیاز به پردازش توسط تکنیک‌های پردازش زبان طبیعی (NLP) دارند. اطلاعات کلیدی که استخراج می‌شوند عبارتند از:

• مشاهدات پاتولوژیک: کلماتی که نشان‌دهنده وجود یک بیماری یا ناهنجاری خاص هستند (مانند “nodule”، “consolidation”، “effusion”).
• اشارات آناتومیک: کلماتی که به بخش‌های مختلف قفسه سینه اشاره دارند (مانند “lung”، “pleura”، “heart”، “ribs”).

برای غلبه بر نویز موجود در این برچسب‌ها، از رویکرد PU learning استفاده می‌شود. در این رویکرد، فرض بر این است که گزارش‌هایی که به یک ناهنجاری اشاره می‌کنند، دارای برچسب “مثبت” هستند. اما گزارش‌هایی که به آن ناهنجاری اشاره نمی‌کنند، لزوماً به معنای “منفی” بودن آن ناهنجاری در تصویر نیستند؛ ممکن است آن بخش مورد بررسی قرار نگرفته باشد یا گزارشگر به آن اشاره نکرده باشد.

ب) معماری آبشاری AGXNet:

AGXNet از دو شبکه اصلی تشکیل شده است که به صورت متوالی (آبشاری) عمل می‌کنند:

1. شبکه آناتومی (Anatomy Network):

   وظیفه این شبکه، شناسایی و مکان‌یابی نواحی آناتومیک مهم در تصویر رادیوگرافی قفسه سینه است. این شبکه با استفاده از ورودی تصویر و با کمک اطلاعات استخراج شده از گزارش‌ها (که به آناتومی اشاره دارند)، نقشه‌ای حرارتی (heatmap) یا مکانیزمی مشابه تولید می‌کند که نشان‌دهنده نواحی آناتومیک مرتبط است. به عنوان مثال، اگر گزارش به “پلورا” اشاره کرده باشد، این شبکه تلاش می‌کند تا مرزهای پلورا را در تصویر مشخص کند.

2. شبکه مشاهدات (Observation Network):

   این شبکه بر روی نقشه‌های تولید شده توسط شبکه آناتومی تمرکز می‌کند. هدف اصلی آن، شناسایی و مکان‌یابی مشاهدات پاتولوژیک در نواحی آناتومیک مرتبط است. این شبکه از طریق یک ماژول توجه هدایت‌شده توسط آناتومی (Anatomy-Guided Attention Module)، اطلاعات حاصل از شبکه آناتومی را دریافت می‌کند. این ماژول به شبکه مشاهدات کمک می‌کند تا بر روی مناطقی که توسط شبکه آناتومی به عنوان نواحی آناتومیک مهم تشخیص داده شده‌اند، تمرکز بیشتری داشته باشد.

ج) ماژول توجه هدایت‌شده توسط آناتومی:

این بخش قلب نوآوری AGXNet است. ماژول توجه، اطلاعات مکانی و اهمیت نواحی آناتومیک را از شبکه اول دریافت کرده و این اطلاعات را با ویژگی‌های استخراج شده از تصویر در شبکه دوم ترکیب می‌کند. این کار باعث می‌شود که شبکه دوم، به جای جستجو در کل تصویر، بر روی نواحی مشخص شده توسط دانش آناتومیک تمرکز کند. این امر به ویژه در مواردی که ناهنجاری کوچک است یا در ناحیه‌ای خاص قرار دارد، بسیار مؤثر است.

د) یادگیری با نظارت ضعیف و PU learning:

مدل AGXNet با استفاده از برچسب‌های سطح تصویر (image-level labels) از گزارش‌های رادیولوژی آموزش داده می‌شود. با این حال، نحوه استفاده از این برچسب‌ها بهینه شده است:

• یادگیری PU: این تکنیک کمک می‌کند تا از داده‌هایی که فقط برچسب “مثبت” و “ناموجود” دارند، به طور مؤثری استفاده شود. به عبارت دیگر، اگر یک ناهنجاری در گزارش ذکر شده است، آن گزارش یک نمونه “مثبت” است، اما اگر ذکر نشده، مدل با احتیاط بیشتری با آن برخورد می‌کند و صرفاً آن را “منفی” تلقی نمی‌کند.
• ترکیب اهداف آموزشی: اهداف آموزشی برای هر دو شبکه (آناتومی و مشاهدات) به گونه‌ای تعریف می‌شوند که مدل بتواند هم دانش آناتومیک را یاد بگیرد و هم ناهنجاری‌های پاتولوژیک را مکان‌یابی کند.

ه) ارزیابی:

مدل AGXNet بر روی دو مجموعه داده استاندارد پزشکی ارزیابی شده است:

• MIMIC-CXR: این مجموعه داده برای ارزیابی توانایی مدل در مکان‌یابی دقیق ناهنجاری‌های بیماری و آناتومیک استفاده شده است. نتایج کمی (مانند AUC) و کیفی (مانند نقشه‌های حرارتی) در این بخش ارائه شده است.
• NIH Chest X-ray: این مجموعه داده برای ارزیابی قابلیت انتقال (transfer learning) ویژگی‌های آموخته شده توسط AGXNet مورد استفاده قرار گرفته است. نتایج در طبقه‌بندی بیماری (disease classification) و مکان‌یابی بیماری (disease localization) در این بخش مورد بررسی قرار گرفته است.

۵. یافته‌های کلیدی

این تحقیق به یافته‌های مهمی دست یافته است که پتانسیل AGXNet را در حوزه تحلیل تصاویر پزشکی نشان می‌دهد:

• اثربخشی هدایت آناتومی: یافته اصلی این مقاله، اثربخشی ماژول توجه هدایت‌شده توسط آناتومی است. مشخص شده است که با استفاده از دانش آناتومیک (که از گزارش‌ها استخراج شده و توسط شبکه اول شناسایی می‌شود)، شبکه دوم می‌تواند به طور مؤثرتری بر روی نواحی مرتبط با ناهنجاری تمرکز کند. این امر منجر به بهبود قابل توجهی در دقت مکان‌یابی ناهنجاری‌ها می‌شود.
• عملکرد قوی با نظارت ضعیف: AGXNet نشان داده است که حتی با استفاده از برچسب‌های سطح تصویر (که فاقد اطلاعات مکانی دقیق هستند) و با بهره‌گیری از تکنیک PU learning، می‌توان به نتایج مکان‌یابی بسیار خوبی دست یافت. این امر نیاز به مجموعه‌داده‌های بزرگ با حاشیه‌نویسی دقیق مکانی را تا حد زیادی کاهش می‌دهد.
• قابلیت تعمیم مدل: آزمایش‌ها بر روی مجموعه داده NIH Chest X-ray نشان داده است که ویژگی‌های آموخته شده توسط AGXNet، قابل انتقال به وظایف دیگر (مانند طبقه‌بندی بیماری) هستند. این بدان معناست که مدل نه تنها در مکان‌یابی ناهنجاری مؤثر است، بلکه نمایش‌های کلی از تصاویر را نیز یاد می‌گیرد که برای وظایف مرتبط مفید هستند.
• دقت بالا در مکان‌یابی: نتایج کمی و کیفی بر روی MIMIC-CXR نشان‌دهنده توانایی AGXNet در شناسایی و ترسیم محل دقیق ناهنجاری‌ها، از جمله ناهنجاری‌های ظریف و کوچک، است. این یافته برای پزشکان تشخیصی بسیار ارزشمند است.
• مدل‌سازی نویز اطلاعات: استفاده از PU learning به طور هوشمندانه‌ای با ماهیت نویزی و پراکنده برچسب‌های استخراج شده از گزارش‌ها مقابله می‌کند. این رویکرد باعث می‌شود مدل در برابر عدم قطعیت اطلاعات، قوی‌تر عمل کند.
• عملکرد پیشرفته (State-of-the-art) در طبقه‌بندی: نتایج طبقه‌بندی بیماری در NIH Chest X-ray، نشان‌دهنده رقابت‌پذیری و در برخی موارد، برتری AGXNet نسبت به روش‌های پیشین است.

۶. کاربردها و دستاوردها

این تحقیق دستاوردهای قابل توجهی دارد و پتانسیل کاربردی بالایی در حوزه پزشکی ارائه می‌دهد:

• توسعه ابزارهای تشخیصی خودکار: بزرگترین دستاورد این مقاله، فراهم کردن پایه‌ای برای توسعه سیستم‌های هوش مصنوعی است که می‌توانند به طور خودکار رادیوگرافی‌های قفسه سینه را تحلیل کرده و ناهنجاری‌های مشکوک را مکان‌یابی کنند. این امر می‌تواند به پزشکان در غربالگری سریع‌تر و تشخیص اولیه بیماری‌ها کمک کند.
• کاهش بار کاری رادیولوژیست‌ها: با خودکارسازی بخش‌هایی از فرآیند تحلیل تصاویر، AGXNet می‌تواند به کاهش بار کاری رادیولوژیست‌ها کمک کرده و به آن‌ها اجازه دهد تا زمان بیشتری را صرف موارد پیچیده‌تر و تعامل با بیماران نمایند.
• بهبود دسترسی به تشخیص در مناطق محروم: در مناطقی که دسترسی به رادیولوژیست‌های متخصص محدود است، چنین ابزارهای خودکاری می‌توانند نقش حیاتی در ارائه خدمات تشخیصی ایفا کنند.
• کمک به آموزش دانشجویان پزشکی: نقشه‌های توجه تولید شده توسط AGXNet می‌توانند به عنوان ابزاری آموزشی برای دانشجویان پزشکی و رادیولوژی مورد استفاده قرار گیرند تا درک بهتری از محل ناهنجاری‌ها در تصاویر پیدا کنند.
• ارتقاء سیستم‌های پشتیبان تصمیم‌گیری بالینی: این تحقیق گامی مهم در جهت ادغام هوش مصنوعی در جریان کار بالینی است و می‌تواند منجر به توسعه سیستم‌های پشتیبان تصمیم‌گیری دقیق‌تر و کارآمدتر شود.
• استفاده مؤثر از داده‌های موجود: یکی از مهمترین کاربردهای این روش، قابلیت آن در بهره‌برداری از داده‌های موجود (گزارش‌های رادیولوژی) است که بدون نیاز به صرف هزینه و زمان زیاد برای جمع‌آوری داده‌های جدید با برچسب‌گذاری دقیق، مدل‌ها را آموزش می‌دهد.
• پایه‌ای برای تحقیقات آینده: کد AGXNet که در گیت‌هاب منتشر شده است (https://github.com/batmanlab/AGXNet)، زمینه را برای پژوهشگران دیگر فراهم می‌کند تا این روش را توسعه داده و یا در حوزه‌های مشابه پزشکی به کار گیرند.

۷. نتیجه‌گیری

مقاله “Anatomy-Guided Weakly-Supervised Abnormality Localization in Chest X-rays” یک پیشرفت قابل توجه در زمینه استفاده از هوش مصنوعی برای تحلیل تصاویر پزشکی است. این تحقیق با موفقیت نشان داده است که چگونه می‌توان با بهره‌گیری از نظارت ضعیف مبتنی بر گزارش‌های رادیولوژی و با استفاده هوشمندانه از دانش آناتومیک، ناهنجاری‌ها را در رادیوگرافی قفسه سینه مکان‌یابی کرد.

چالش اصلی در این حوزه، کمبود داده‌های آموزشی با کیفیت و گران بودن فرآیند برچسب‌گذاری دقیق است. AGXNet با معرفی یک چارچوب دو شبکه‌ای و یک ماژول توجه منحصر به فرد که توسط آناتومی هدایت می‌شود، توانسته است این مشکل را تا حد زیادی حل کند. استفاده از PU learning نیز به مدل اجازه می‌دهد تا با عدم قطعیت موجود در داده‌های نظارت ضعیف، به طور مؤثرتری برخورد کند.

یافته‌های کلیدی این مقاله، شامل اثربخشی هدایت آناتومی در افزایش دقت مکان‌یابی، قابلیت تعمیم مدل و عملکرد قوی با وجود نظارت ضعیف، نشان‌دهنده پتانسیل بالای این رویکرد است. این تحقیق نه تنها گامی به سوی خودکارسازی تحلیل تصاویر پزشکی است، بلکه مسیری نوین را برای بهره‌برداری از منابع داده‌ای موجود در بالین (مانند گزارش‌های رادیولوژی) برای آموزش مدل‌های قدرتمند یادگیری عمیق هموار می‌سازد.

به طور کلی، AGXNet یک راهکار نوآورانه، عملی و مقیاس‌پذیر برای مشکل مکان‌یابی ناهنجاری در تصاویر پزشکی ارائه می‌دهد که می‌تواند تأثیر قابل توجهی بر روی تشخیص بیماری، بهبود کارایی بالینی و افزایش دسترسی به مراقبت‌های بهداشتی داشته باشد.