PathoJev-27B تتفوق على SlideChat بـ 6,3 نقطة مئوية في متوسط الدقة على ثلاثة اختبارات WSI

قدّم باحثون من جامعة سيتشуان ومستشفى غرب الصين والجامعة الوطنية في سنغافورة وجامعة صن يات سن نموذج PathoJev للتشريح المرضي الرقمي. لا يجيب هذا النموذج عن أسئلة الشريحة النسيجية بنص، بل بتوزيع احتمالات جاهز على خيارات الإجابة. تُقرأ الشريحة الكاملة (WSI، whole-slide image) مرة واحدة، ثم يُعالَج أي عدد من الأسئلة عنها فوق السياق البصري المشترك. وفي ثلاثة اختبارات للشرائح الكاملة، تتفوق النسختان بحجم 9B و27B مليار معامل على SlideChat، النموذج السابق للإجابة عن أسئلة الشرائح، في متوسط الدقة بمقدار 5,4 و6,3 نقطة مئوية على التوالي. أما مقارنةً بـ WSI-LLaVA، وهو نموذج آخر من الفئة نفسها، فيبلغ الفارق 7,0 و7,9 نقطة.

لماذا يحتاج التشريح المرضي إلى إخراج مباشر للاحتمالات

يُصدر اختصاصي التشريح المرضي عن الشريحة الواحدة عدة أحكام في آن واحد: نوع الورم، ودرجة الخباثة، ووجود الغزو. أما نماذج الرؤية واللغة الحديثة في علم الأمراض، مثل Quilt-LLaVA وPathChat وSlideChat وPatho-R1، فتجيب عبر توليد نصي انحداري ذاتي (autoregressive). وفي سؤال خياراته محددة مسبقًا، يعني ذلك فك ترميز تسلسليًا ثم استخراج الإجابة من السلسلة النصية المولَّدة. ولا يمنح هذا التوليد توزيعًا معيارًا (normalized) على الخيارات بصورة مباشرة. وإذا تعددت الأسئلة عن الشريحة، تتكرر الدورة كاملة لكل سؤال، مع أن بيانات النسيج مشتركة بينها.

يقوم PathoJev على نموذج System One: يُحوَّل المُدخَل مباشرة إلى حكم احتمالي مصنَّف النوع. لكل سؤال نوع إخراج ومجموعة مرتبة من الإجابات، ويختار النموذج الخيار الأعلى احتمالًا. وتستخدم الأسئلة الثنائية مجموعة من إجابتين، بينما تستخدم أسئلة الاختيار بدائل نصية.

شريحة واحدة وأسئلة كثيرة

يستخلص مُرمِّز CONCH v1.5 المجمَّد ميزات القطع النسيجية في الشريحة. تُحسب هذه الميزات بالمتوسط على شبكة مكانية، ثم يُسقِط perceptron متعدد الطبقات قابل للتدريب الناتج في فضاء التضمينات (embeddings) الخاص بالأساس اللغوي. وبهذا يقصر التسلسل البصري مع احتفاظه بالتنظيم المكاني. أما مناطق الاهتمام (ROI)، أي المناطق المحلية من النسيج، فيبقى لها المسار البصري الأصلي للنموذج الأساسي. ويجري التدريب على أسئلة الشرائح الكاملة وأسئلة ROI معًا، ولذلك تغطي واجهة القرارات المشتركة المستويين.

تنقسم الحسابات إلى بادئة مشتركة تحوي الشريحة، ولواحق خاصة بكل سؤال. تتفرع الأسئلة من البادئة باستقلال وتُعالَج دفعةً واحدة. يستخدم الأساس الهجين حالات متكررة (recurrent states)، لذا تنخفض مع كل سؤال إضافي حصة الحسابات التي تنمو مع طول سياق الشريحة. ويوفّر كاش البادئة إعادة قراءة الشريحة، لكن انتباه softmax المعتاد يظل يصل إلى المفاتيح والقيم مع كل سؤال جديد. ولمقارنة كلفة السؤال الإضافي، اعتمد المؤلفون Qwen3-8B، الذي يستخدم انتباه softmax فقط.

ماذا أظهرت القياسات

إضافةً إلى التفوق على SlideChat وWSI-LLaVA، تحتفظ النسختان بدقة تنافسية في خمسة اختبارات ROI. وعلى WSI-Bench يعمل PathoJev-9B أسرع من SlideChat. وزمن التأخير هنا هو زمن التمرير الأمامي على GPU لكل سؤال، وقد استُخدم للمقارنة على WSI-Bench وPathMMU-tiny. أما النماذج الأساسية الصفرية (zero-shot) لـ WSI في المقارنة فعملت بصور مصغّرة للشرائح.

ويختبر ضبط منفصل الواجهة نفسها. فقد درّب المؤلفون نسخة انحدارية ذاتية على البيانات نفسها، وتبيّن أن PathoJev-9B أدق منها في ستة من ثمانية اختبارات، مع زمن تأخير أقل على WSI وعلى ROI معًا. وفي حمل من ثمانية أسئلة، يقلّل السياق المشترك الزمن الإجمالي مقارنةً بترميز البادئة بصورة منفصلة لكل سؤال، في النموذجين 9B و27B، ويزداد المكسب عند 64 سؤالًا. ويُفضَّل الاطلاع على النسب المحددة للتسريع في الورقة البحثية نفسها.

ماذا يعني هذا عمليًا

بالنسبة إلى مطوّري أنظمة الذكاء الاصطناعي الطبية، الأهم هو النمط المعماري. فإذا كان للمُدخَل الواحد أسئلة منظَّمة كثيرة، فمن الأجدى ترميز السياق مرة واحدة وقراءة احتمالات الإجابات مباشرة. فتتوفر ثقة النموذج في كل خيار فورًا، ويمكن استخدامها لضبط العتبات (thresholds) والتوجيه إلى الطبيب.

والقيود واضحة أيضًا. فإخراج الاحتمالات المباشر يناسب الأسئلة ذات المجموعة المحددة مسبقًا من الإجابات، ولا يحل محل الأوصاف الحرة والاستدلالات التشخيصية المفصلة، كما في Patho-R1. وقد جاءت النتائج على اختبارات أكاديمية، لا على تدفقات حقيقية من التقارير السريرية. وشيفرة المشروع منشورة على GitHub في مستودع ChyaZhang/PathoJev.