ينظر أخصائي الأورام الإشعاعي إلى صورة البطن ويحدد ذهنيًا المنطقة التي يجب تشعيعها. هذه المنطقة لا تظهر كعضو منفصل؛ بل حدودها محددة بالبروتوكول وليس بالأنسجة. لذلك يحتاج الطبيب إلى خريطة للمنطقة المجاورة لتجنب إصابة البنى السليمة.

يبدأ نموذج nnU-Net بنفس المهمة. أولاً يتعلم على عشر حالات مصنفة، لكن هذا غير كافٍ: المرضى مختلفون، والفحوصات أجريت في مراكز مختلفة. ثم تُعطى له خريطة المعالم التشريحية من TotalSegmentator، وهي بمثابة مخطط شوارع تُذكر فيه أسماء جميع المباني المجاورة. يرى النموذج أين تقع المعدة وأين الاثنا عشر، فيرسم الحدود بدقة أكبر.

يعمل التعلم النشط بطريقة مختلفة: يجد النموذج بنفسه الحالات التي لا يكون واثقًا فيها ويطلب عرضها على الطبيب. هذا مثل طالب يعترف في الامتحان أنه لا يعرف الإجابة، فيحصل على شرح لهذه المسائل تحديدًا. بعد أربع جولات من هذا التدريب الإضافي، ارتفعت الدقة من 0.84 إلى 0.87 وفقًا لمعامل دايس، وهو مقياس لتطابق الخطين.

عندما يحصل النموذج على الخريطة والتدريب الإضافي معًا، تكون نتيجته تقريبًا لا تختلف عن تلك التي رسمها أطباء مختلفون: التباين بين الخبراء يبلغ 0.89، بينما يبلغ عند النموذج 0.87. هذا يعني أنه يمكن استخدام النموذج كمرجع مبدئي في التجارب السريرية. يراجع الطبيب فقط الحالات التي يثير فيها خط النموذج الشكوك، مما يوفر ساعات من المراجعة اليدوية.

خريطة الجوار والقدرة على الاعتراف بالأخطاء أداتان بسيطتان تجعلان الدليل دقيقًا. الآن هو مستعد لقيادتنا في شوارع البطن غير المألوفة.