التصنيف المتدرج لصور الجلد: ثورة في تشخيص الأورام الجلدية باستخدام الذكاء الاصطناعي

في عصر تتسارع فيه الابتكارات الطبية، أثبت الذكاء الاصطناعي (AI) قوته في تحديث طرق تشخيص الأورام الجلدية. تمثل هذه الدراسة مقارنة بين عدة هندسات عميقة (Deep Learning Architectures) لتصنيف صور الأورام الجلدية، مع تقنيات تتضمن التقييم من مجموعات بيانات دولية مفتوحة إلى ممارسات سريرية مستقلة في روسيا.

تضمنت الدراسة أربعة نماذج (ViT-B/16، Swin-S، ConvNeXt-S، وEfficientNetV2-S) التي تم اختبارها بحسب عدة أنظمة تصنيف: التصنيف الثنائي (خبيث/حميد)، تصنيف مكون من أربع فئات (حميد، MEL، SCC، BCC)، والتصنيف المتدرج الذي يتضمن مرحلة ثنائية قبل التفريق بين القوائم.

أظهرت النتائج أن المرحلة الثنائية استطاعت تحقيق ROC-AUC يتراوح بين 0.952 و 0.966 داخليًا، ولكن عندما تم اختبارها على بيانات جامعة سيشينوف، انخفضت النتائج لتصل إلى 0.797-0.893، مما يعكس فجوة عامة في الأداء. كانت النتائج مثيرة، حيث أظهرت تدني في دقة النماذج، خصوصًا في نموذج ViT-B/16، ولكن النتائج كشفت أن استخدام نموذج التصنيف المتدرج زاد من الدقة لنماذج متعددة، مما يعزز الكشف عن الآفات الخبيثة.

كما أوضح الباحثون أن القدرة على ضبط عتبة التصنيف تعزز من التحكم في الحساسية، وهو أمر لم يكن ممكنًا باستخدام نظام التصنيف الأحادي التقليدي. ومع ذلك، فإن الفجوة العامة المستمرة تتطلب المزيد من التحقق السريري وإعادة المعايرة قبل العروض على مستوى العالم.

هذه الابتكارات تمثل إنجازًا كبيرًا، ولكنها تأتي مع واجب عمليات التحقق اللازمة لضمان دقتها وسلامتها في بيئات تشخيصية حقيقية. هل أنتم متحمسون للمستقبل الذي يعد به الذكاء الاصطناعي في الطب؟ شاركونا آرائكم في التعليقات.