كيف نعلّم برنامجًا رسم منطقة التشعيع ✛

الأصل: "Improving Clinical Target Volume Segmentation Accuracy using Anatomical Priors and Active Learning for the AGITG TOPGEAR Clinical Trial"
arXiv:2609.03186v1 · 2026-09-02 · CC BY 4.0 · 1 دقيقة
برنامج يحدد منطقة التشعيع بدقة أكبر في سرطان المعدة إذا أُظهرت له الأعضاء المجاورة ودُرِّب إضافيًا على الحالات الصعبة.

عندما يعالج الطبيب سرطان المعدة بالتشعيع، عليه أن يحدد بدقة المنطقة التي يجب تشعيعها. هذه المنطقة لا تظهر كعضو مستقل، لذا على الطبيب أن يبقي في ذهنه مواقع جميع الأعضاء المجاورة. البرنامج nnU-Net يتعلم فعل الشيء نفسه، لكنه يحتاج أولًا إلى أمثلة.

أعطى العلماء البرنامج خريطة تُظهر جميع أعضاء البطن. إنها مثل مخطط شوارع مع مبانٍ مُسمّاة: يرى البرنامج أين المعدة وأين الأمعاء، فلا يتعدى إلى منطقة غيره. كما درّبوه إضافيًا على أصعب الحالات، وهي تلك التي لم يكن البرنامج واثقًا من إجابته فيها. هكذا يتعلم من أخطائه.

تُبنى خريطة الأعضاء في ست دقائق فقط، بينما يستغرق تدريب البرنامج 22 ساعة. وفّرت الخريطة أربع جولات من التدريب الإضافي، كل منها كان يتطلب مراجعة يدوية من الأطباء.

بعد هذا التدريب، يرسم البرنامج الحدود بدقة تكاد تضاهي دقة الأطباء ذوي الخبرة: نتيجته 0.87، بينما تتراوح نتائج الأطباء حول 0.89. الآن يستطيع الطبيب أن يكل إلى البرنامج رسم المسودة الأولية، وأن يراجع فقط الحالات المشكوك فيها. هذا يوفر الوقت ويساعد في علاج المرضى.

استغرق تدريب نموذج واحد حوالي 22 ساعة على GPU NVIDIA Quadro 8000، بينما استغرق تحديد المعالم التشريحية لصورة CT واحدة 6 دقائق فقط. ومع ذلك، فإن إضافة هذه الخريطة التي تستغرق ست دقائق وفّرت أربع جولات من التعلّم النشط، كل منها يتطلب فحصًا يدويًا للحدود من قبل اثنين من أطباء الأورام.

المفاهيم
تقسيم الأورام ذكاء اصطناعي للتصوير الطبي تعلم نشط تقسيم الصور الطبية تخطيط العلاج الإشعاعي بالذكاء الاصطناعي نموذج الكفاف النشط تصوير مقطعي محوسب