Evaluating the Accuracy of Artificial Intelligence Tools in Analyzing X-Ray Images for Detecting Respiratory Diseases: A Comparative Study of Recent Research

Abstract

شهدت السنوات الأخيرة تطوراً ملحوظاً في توظيف تقنيات الذكاء الاصطناعي، وبشكل خاص نماذج التعلم العميق، في تحليل صور الأشعة السينية للصدر بهدف دعم وتشخيص الأمراض التنفسية المختلفة. تهدف هذه الدراسة إلى إجراء تحليل مقارن لخمس دراسات حديثة استخدمت تقنيات التعلم العميق في تشخيص الأمراض التنفسية من خلال صور الأشعة السينية للصدر. وقد تم تحليل الدراسات وفق مجموعة من المعايير الموحدة، شملت نوع النموذج المستخدم، وحجم البيانات وجودتها، واستراتيجيات التدريب، بالإضافة إلى مقاييس تقييم الأداء مثل الدقة والحساسية والنوعية ومنحنى ROC. أظهرت النتائج أن نماذج التعلم العميق حققت أداءً مرتفعاً، حيث تراوحت الدقة بين 93% و98% تبعاً لنوع المرض وطبيعة البيانات المستخدمة. كما ساهم استخدام تقنيات نقل التعلم في تحسين الأداء بشكل ملحوظ، خاصة في الحالات التي تعاني من محدودية البيانات التدريبية. ومع ذلك، أظهرت الدراسة وجود عدد من التحديات المنهجية التي تؤثر في موثوقية النتائج، من أبرزها عدم توازن البيانات بين الفئات المختلفة، ونقص البيانات عالية الجودة، وغياب التحقق الخارجي في بعض الدراسات. كما بينت المقارنة أن النماذج المدربة على بيانات متعددة المصادر أو المأخوذة من أكثر من مركز طبي أظهرت أداءً أكثر استقراراً وقدرة على التعميم مقارنة بالنماذج المعتمدة على مصدر واحد، والتي كانت أكثر عرضة لمشكلة فرط التكيف. وتشير هذه النتائج إلى أهمية تنوع البيانات واعتماد أساليب تقييم أكثر شمولاً لتعزيز موثوقية أنظمة الذكاء الاصطناعي وزيادة إمكانية تطبيقها في البيئات السريرية الواقعية.