UniAR برای شناسایی اوتیسم، تصویر و توصیف‌های متنی را ترکیب می‌کند

پژوهشگران در مقاله‌ای که در arXiv منتشر شده، چارچوب هوش مصنوعی UniAR را برای شناسایی اختلال طیف اوتیسم با ترکیب داده‌های تصویری و توصیف‌های متنی معرفی کرده‌اند. این سامانه در چهار معیار پژوهشی مربوط به تصاویر MRI مغز و حالات چهره ارزیابی شده و به گفته نویسندگان، از روش‌های مبنا دقت بیشتری به دست آورده است. هدف UniAR پرداختن به کمبود گزارش‌های تشخیصی متنی است؛ کمبودی که می‌تواند توانایی روش‌های موجود را در استفاده از اطلاعات معنایی و بالینی محدود کند.

کمبود داده متنی و رویکرد UniAR

به گفته نویسندگان، بسیاری از روش‌های شناسایی اوتیسم عمدتاً بر تحلیل تصویر تکیه دارند؛ یکی از دلایل این مسئله کمبود داده‌های متنی تشخیصیِ جفت‌شده با تصاویر است. منظور از داده جفت‌شده، نمونه‌هایی است که تصویر و گزارش مرتبط با آن در کنار هم قرار دارند و می‌توانند برای آموزش مدل به کار روند.

UniAR برای جبران این کمبود، از یک مدل چندوجهی بزرگ استفاده می‌کند؛ یعنی مدلی که می‌تواند با بیش از یک نوع داده، مانند متن و تصویر، کار کند. این مدل توصیف‌های تشخیصی را در سه سطح تولید می‌کند: واژه، عبارت و جمله. چنین ساختاری به سامانه امکان می‌دهد اطلاعات متنی را در مقیاس‌های گوناگون با محتوای تصویر مرتبط کند.

هم‌ترازسازی متن و شواهد تصویری

بخش دیگری از چارچوب، ماژولی برای هم‌ترازسازی چندمقیاسی است که بر معماری Mixture of Experts تکیه دارد. در این نوع معماری، چند بخش تخصصی برای پردازش اطلاعات به کار گرفته می‌شوند و سامانه متناسب با ورودی، ارتباط‌های مرتبط را برقرار می‌کند.

طبق چکیده مقاله، این ماژول نمونه‌های تصویریِ کدگذاری‌شده را با بازنمایی‌های معنایی متن در سطح‌های متناظر تطبیق می‌دهد. هدف این است که مدل تنها به شباهت‌های بصری متکی نباشد و بتواند از توصیف‌های زبانی تولیدشده نیز در فرایند شناسایی بهره ببرد.

نتایج ارزیابی و دامنه آن‌ها

نویسندگان گزارش کرده‌اند UniAR در چهار معیار شامل سناریوهای MRI مغز و حالات چهره، از روش‌های پیشرفته پیشین عملکرد بهتری داشته است. دقت میانگین اعلام‌شده برای معیارهای MRI برابر با ۷۵٫۹ درصد و برای معیارهای چهره ۹۱٫۶ درصد است.

در مقایسه با روش‌های مبنا، میانگین دقت در معیارهای MRI به اندازه ۱٫۵ واحد درصد و در معیارهای چهره ۱٫۲ واحد درصد افزایش یافته است. این اعداد به مجموعه معیارهای بررسی‌شده در پژوهش مربوط‌اند؛ چکیده مقاله، به‌تنهایی شواهدی برای نتیجه‌گیری درباره عملکرد سامانه در کاربرد بالینی یا جایگزینی ارزیابی متخصص ارائه نمی‌کند.

این خبر برای چه کسانی اهمیت دارد

این پژوهش برای محققان هوش مصنوعی پزشکی و گروه‌هایی که روی تحلیل چندوجهی داده‌های سلامت کار می‌کنند اهمیت دارد، زیرا راهی برای استفاده از اطلاعات متنی در شرایط کمبود گزارش‌های جفت‌شده پیشنهاد می‌کند. نتایج گزارش‌شده می‌تواند مبنایی برای بررسی‌های بیشتر درباره ترکیب متن و تصویر در ابزارهای غربالگری باشد؛ اما ارزیابی روی معیارهای پژوهشی را نباید معادل تأیید تشخیصی یا کارایی در محیط درمان دانست.