في الأبحاث الطبية الحديثة، يشكّل تحليل الصور الطبية خطوة أساسية لفهم الأمراض ومتابعة تطورها.ومن العمليات الأكثر تحدياً في هذا المجال هي تجزئة الصور (Segmentation)، أي تقسيم الصورة إلى مناطق أو أجزاء متشابهة لتحديد الأجزاء المهمة بدقة.على سبيل المثال، لدراسة تغيّر حجم الحُصين في الدماغ مع التقدم في العمر، يحتاج الباحثون لرسم حدوده في كل صورة دماغية، وهي عملية غالباً ما تكون يدوية ومعقدة وتستغرق وقتاً طويلاً، خصوصاً عند التعامل مع مناطق صغيرة أو صعبة التمييز.لتجاوز هذه العقبات، طوّر فريق من معهد ماساتشوستس للتكنولوجيا (MIT) نظاماً ذكياً يُسمّى MultiverSeg، يتيح تجزئة الصور الطبية بسرعة وكفاءة، مع تقليل الاعتماد على التدخل اليدوي بشكل تدريجي، ما يمكّن الباحثين من إتمام الدراسات بسرعة أكبر وبنتائج أكثر دقة.كيف يعمل MultiverSeg؟يعتمد النظام على تفاعلات بسيطة من المستخدم داخل الصورة، مثل النقر أو الرسم أو تحديد مربعات، ثم يستخدم هذه المدخلات للتنبؤ بالتجزئة المناسبة. ومع تكرار استخدامه، تقل الحاجة لتدخل المستخدم، حتى يصبح قادرًا على إتمام التجزئة بدقة عالية تلقائيًا، مستفيدًا من الصور السابقة لتحسين توقعاته على الصور الجديدة.وعلى عكس معظم أدوات تجزئة الصور الطبية، يسمح MultiverSeg بتجزيئة مجموعة كاملة من الصور دفعة واحدة، دون الحاجة لإعادة تدريب النظام على بيانات مجزأة مسبقًا، ما يسهل البدء مباشرة في أي مهمة جديدة.فوائد النظام للباحثينيمكن لنظام MultiverSeg أن يُسرّع الدراسات الطبية وخفض التكاليف المرتبطة بالتجارب السريرية، ويزيد من الإنتاجية البحثية. وتقول Hallee Wong، طالبة الدراسات العليا والمؤلفة الرئيسية للورقة العلمية:”الكثير من العلماء يضطرون لتجزئة عدد قليل من الصور يوميًا بسبب الوقت الطويل للعمل اليدوي. نأمل أن يتيح هذا النظام للباحثين إجراء دراسات لم يكن بمقدورهم تنفيذها سابقًا لغياب أداة فعّالة”.يعتمد النظام على مجموعة سياقية (Context Set) لتخزين الصور المرجعية، مما يُحسن دقة التنبؤ عند إدخال صور جديدة ويقلل الحاجة لتدخل المستخدم. كلما ازدادت الصور في المجموعة، تقل الحاجة للتفاعل اليدوي، حتى يتمكن النظام من إتمام التجزئة بمفرده بدقة عالية.المرونة والدقةتم تصميم MultiverSeg ليكون مرنًا مع أي حجم من المجموعات السياقية، وتدرب على بيانات متنوعة لتعزيز دقته تدريجيًا عبر تفاعلات المستخدم فقط، دون الحاجة لإعادة تدريب شاملة. أظهرت الاختبارات الأولية تفوق النظام على أحدث أدوات التجزئة الطبية المتوفرة.
