تصنيف الجنس من تصوير الدماغ: إطار تعلم آلي قابل للتفسير ومتحقق من أهمية خصائصه إحصائيًا

يمتلك تصنيف الجنس باستخدام بيانات التصوير العصبي إمكانية إحداث نقلة في التشخيص الشخصي، إذ يكشف عن فروق بنيوية دقيقة في الدماغ تقف وراء اختلاف مخاطر الأمراض بين الجنسين، غير أن الطرق التقليدية في التعلم الآلي غالبًا ما تقصر عن الجمع بين دقة التصنيف العالية ودرجات أهمية للخصائص تكون قابلة للتفسير ومتحققًا من دلالتها إحصائيًا عند التعامل مع بيانات تصويرية عالية الأبعاد

وتتجلى هذه الفجوة بوضوح عند تطبيق تقنيات شائعة كالغابات العشوائية التقليدية وأدوات التفسير الموضعي على بيانات التصوير العصبي، إذ تجاهد هذه التقنيات في التقاط التفاعلات المعقدة بين الخصائص وفي إدارة الضوضاء المرتفعة في مجموعات البيانات الكبيرة، ومن هنا سعى الباحثون إلى بناء إطار متكامل يعالج هاتين المسألتين المنهجيتين في آن واحد

وتشهد أبحاث التصوير العصبي المعزز بالتعلم الآلي نموًا متسارعًا مع توافر قواعد بيانات ضخمة متعددة المراكز، غير أن هذا النمو أثار تساؤلات منهجية وأخلاقية حول قابلية النماذج للتفسير وإمكانية الوثوق بالخصائص المستخرجة منها، إذ قد تحقق النماذج الصندوقية السوداء دقة عالية بينما تبقى الأسس التشريحية لقراراتها غامضة، وهو توتر بين الأداء والشفافية يقف في قلب الجدل العلمي المعاصر حول توظيف الذكاء الاصطناعي في الطب

أولًا: أهداف الدراسة ومنهجيتها

طوّر الباحثون إطارًا متكاملًا يجمع بين الغابات العشوائية المائلة وخوارزمية جديدة لاختبار أهمية الخصائص قائمة على التبديل أطلقوا عليها اسم نيوفيت، إذ توسع الغابات المائلة الغابات العشوائية التقليدية باعتماد حدود قرار مائلة عبر تركيبات خطية من الخصائص بما يتيح التقاط التفاعلات المعقدة الكامنة في بيانات التصوير العصبي، بينما تحدد خوارزمية نيوفيت بدقة دلالة كل خاصية عبر توليد توزيعات صفرية وقيم احتمالية مصححة، وقد تحقق الفريق من النهج أولًا باستخدام مجموعات بيانات محاكاة لإثبات متانته وقابليته للتوسع في ظروف مضبوطة، ثم طبقه على تصنيف الجنس في البشر وقرود المكاك باستخدام بيانات الرنين المغناطيسي البنيوي على مستوى وحدات الفوكسل وبيانات سماكة القشرة بما يتيح مقارنات مباشرة عبر الأنواع

ثانيًا: أبرز النتائج

1، حققت الغابات العشوائية المائلة مساحة تحت منحنى الأداء تجاوزت 0.80 في البيانات البشرية وتجاوزت 0.70 في بيانات قرود المكاك

2، حددت خوارزمية نيوفيت خصائص دالة إحصائيًا تنسجم مع ما هو معروف من التشريح العصبي ثنائي الشكل بين الجنسين

3، أثبتت تجارب المحاكاة أن الإطار المقترح متين وقابل للتوسع عند العمل في ظروف مضبوطة قبل الانتقال إلى البيانات الحقيقية

ثالثًا: دلالات الدراسة وتطبيقاتها

لا يكتفي الإطار المقترح بتحسين أداء التصنيف، بل يقدم رؤى واضحة قابلة للتفسير حول السمات التشريحية العصبية التي تميز بين الجنسين، وتمهد هذه التطورات المنهجية الطريق نحو أدوات تشخيصية محسنة تأخذ الفروق الجنسية في الاعتبار، كما تسهم في تعميق فهم الأساس التطوري للفروق الجنسية في بنية الدماغ عبر مقارنة الإنسان بقرود المكاك ضمن تصميم منهجي موحد

وتمثل قابلية التفسير والتحقق الإحصائي من الأهمية قيمة مضافة حاسمة لتطبيقات الذكاء الاصطناعي الطبي، إذ تشترط الجهات التنظيمية والممارسون السريريون فهم أسباب قرارات النماذج قبل اعتمادها في الممارسة، وهو ما يجعل هذا الإطار مرجعًا مفيدًا للباحثين العرب وطلاب الدراسات العليا في علوم الأعصاب الحاسوبية والتصوير الطبي وعلوم البيانات الصحية

كما يفتح الإطار المجال أمام مقارنات تطورية أعمق بين الإنسان والرئيسيات الأخرى لفهم جذور الفروق الدماغية الجنسية ومسارات تطورها، ويشجع على توحيد معايير الإبلاغ عن أهمية الخصائص في دراسات التصوير العصبي بما يرفع قابلية تكرار النتائج بين المختبرات والمراكز البحثية، وهي قضايا منهجية تتقاطع مع اهتمامات مراكز الأبحاث الطبية العربية الساعية إلى بناء قدرات تنافسية في علم الأعصاب الحاسوبي والذكاء الاصطناعي الصحي

وخلاصة القول إن الدمج بين الغابات العشوائية المائلة واختبار نيوفيت لأهمية الخصائص يقدم نموذجًا منهجيًا يجمع بين القوة التنبؤية والشفافية التفسيرية، ويفتح آفاقًا واعدة لتشخيصات شخصية أكثر دقة تراعي الفروق البنيوية في الدماغ بين الجنسين