• الرئيسية
  • الأخبار
  • المعرض
  • المكتبة
  • النشاطات
    • النشاطات
    • المقالات
    • الجوائز
    • براءات الاختراع
    • الدورات والورش
    • المؤتمرات
    • الاعلانات
  • الأحداث القادمة
  • الكادر
  • البرنامج الأكاديمي
  • الطلبة
    • بوابة الطالب
    • بوابة الخريجين
    • الطلبة الأوائل
    • قصص نجاح الخريجين
  • مشاريع التخرج
  • المحاضرات
  • تواصل معنا
  • English
default image
default image

تطوير مساعد ذكي مدعوم بالمعرفة لتحليل صور الأشعة السينية باستخدام تقنية التوليد المعزز بالاسترجاع (RAG)

16/11/2026
  مشاركة :          
  27

الملخص شهد مجال التصوير الطبي تطوراً متسارعاً بفضل تقنيات الذكاء الاصطناعي، التي أسهمت في إيجاد حلول مبتكرة لدعم تحليل الصور الطبية وتسهيل الوصول إلى المعلومات التشخيصية والتعليمية. ومن بين هذه التقنيات الحديثة، برزت تقنية التوليد المعزز بالاسترجاع (Retrieval-Augmented Generation – RAG)، التي تجمع بين استرجاع المعلومات من قواعد البيانات المتخصصة ونماذج اللغة الكبيرة (LLMs)، بهدف إنتاج إجابات أكثر دقة وارتباطاً بالمصادر العلمية الموثوقة. تهدف هذه المقالة إلى استعراض فكرة تطوير مساعد ذكي يعتمد على تقنية RAG لدعم تحليل صور الأشعة السينية والإجابة عن الأسئلة المتعلقة بها. يقوم النظام المقترح بدمج قواعد المعرفة الطبية مع نماذج الذكاء الاصطناعي القادرة على معالجة الصور وفهم اللغة الطبيعية، بما يتيح للمستخدم تحميل صور الأشعة وطرح الأسئلة المتعلقة بمحتواها والحصول على إجابات مدعومة بالمعلومات الطبية المسترجعة من مصادر علمية متخصصة. ومن خلال الجمع بين تقنيات معالجة الصور الطبية والاسترجاع الذكي للمعلومات، يسعى هذا النظام إلى توفير بيئة تفاعلية تسهم في تعزيز فهم الصور الشعاعية، ودعم التعليم الطبي، وتسهيل الوصول إلى المعرفة المتخصصة في مجال الأشعة، مع التأكيد على ضرورة التحقق السريري من النتائج وعدم اعتبار النظام بديلاً عن اختصاصيي الأشعة. الكلمات المفتاحية: الذكاء الاصطناعي، التوليد المعزز بالاسترجاع، RAG، الأشعة السينية، تحليل الصور الطبية، نماذج اللغة الكبيرة، التصوير الطبي، أنظمة المعرفة الذكية. 1. المقدمة يُعد التصوير الطبي أحد الركائز الأساسية في الممارسات الطبية الحديثة، لما يوفره من معلومات مهمة تساعد في تشخيص الأمراض ومتابعة الحالات المرضية وتقييم الاستجابة للعلاج. وتُعتبر الأشعة السينية (X-ray) من أكثر تقنيات التصوير الطبي استخداماً، نظراً لسهولة إجرائها وتوافرها وانخفاض تكلفتها نسبياً، فضلاً عن قدرتها على إظهار العديد من التغيرات التشريحية والمرضية داخل جسم الإنسان. ومع الزيادة المستمرة في حجم الصور والبيانات الطبية، أصبح الذكاء الاصطناعي من التقنيات المهمة التي تسهم في تطوير أساليب تحليل الصور الشعاعية. وقد أظهرت خوارزميات التعلم العميق، ولا سيما الشبكات العصبية الالتفافية (CNNs)، إمكانات متقدمة في التعرف على الأنماط واكتشاف بعض التغيرات غير الطبيعية وتحديد السمات المرتبطة بالأمراض في الصور الطبية. ومع ذلك، فإن العديد من نماذج الذكاء الاصطناعي التقليدية تعمل ضمن مهام محددة مسبقاً، وقد لا تمتلك القدرة على تقديم تفسيرات مرنة أو الإجابة عن الأسئلة المتنوعة المتعلقة بالصورة الطبية. كما أن نماذج اللغة الكبيرة قد تنتج أحياناً معلومات غير دقيقة أو غير مدعومة بمراجع علمية عند اعتمادها على معرفتها الداخلية فقط. ولمعالجة هذه التحديات، ظهرت تقنية التوليد المعزز بالاسترجاع (RAG)، التي تتيح ربط نماذج اللغة الكبيرة بمصادر معرفية خارجية ومتخصصة، بحيث يتم استرجاع المعلومات ذات الصلة بالسؤال قبل إنشاء الإجابة. ويساعد هذا الأسلوب على تعزيز ارتباط الإجابات بالمعلومات العلمية المتاحة وتحسين إمكانية تتبع مصادرها. ومن هنا تبرز أهمية دمج تقنية RAG مع أنظمة تحليل الصور الطبية لتطوير مساعد ذكي قادر على الجمع بين المعلومات البصرية المستخلصة من الصور والمعرفة الطبية المتخصصة، والتفاعل مع المستخدم من خلال الأسئلة باللغة الطبيعية. 2. مفهوم تقنية التوليد المعزز بالاسترجاع (RAG) تُعد تقنية التوليد المعزز بالاسترجاع إحدى البنى الحديثة في مجال الذكاء الاصطناعي، وتهدف إلى تحسين أداء نماذج اللغة الكبيرة من خلال ربطها بقواعد بيانات ومصادر معرفية خارجية. فبدلاً من الاعتماد بصورة كاملة على المعلومات التي اكتسبها النموذج أثناء التدريب، تقوم هذه التقنية باسترجاع المعلومات ذات الصلة من قاعدة معرفة محددة، ثم تستخدمها بوصفها سياقاً إضافياً عند إنشاء الإجابة. وتعتمد آلية عمل تقنية RAG على ثلاث مراحل رئيسية: أولاً: استرجاع المعلومات (Retrieval) عندما يطرح المستخدم سؤالاً، يقوم النظام بالبحث داخل قاعدة المعرفة الطبية عن الوثائق والمعلومات الأكثر ارتباطاً بالسؤال، مثل الكتب المتخصصة في الأشعة، والمقالات العلمية، والإرشادات الطبية، والمراجع التعليمية. ثانياً: تعزيز السياق (Augmentation) يتم دمج المعلومات المسترجعة مع سؤال المستخدم وإرسالها إلى نموذج اللغة الكبيرة لتوفير سياق معرفي يساعده على فهم السؤال وصياغة إجابة مناسبة. ثالثاً: توليد الإجابة (Generation) يقوم نموذج اللغة بتحليل السؤال والمعلومات المسترجعة، ثم إنشاء إجابة مترابطة ومفهومة تستند إلى المحتوى المتاح في قاعدة المعرفة. وتساعد هذه الآلية على تقليل الاعتماد على المعرفة الداخلية للنموذج، كما تتيح إرفاق الإجابات بالمراجع العلمية التي استُخدمت في إعدادها. 3. النظام المقترح للمساعد الذكي في تحليل صور الأشعة السينية يقوم المشروع المقترح على تطوير تطبيق برمجي ذكي يدمج تقنية RAG مع تقنيات تحليل الصور الطبية، بهدف توفير بيئة تفاعلية تتيح للمستخدمين استكشاف صور الأشعة السينية وفهم المعلومات المرتبطة بها. يسمح النظام للمستخدم بتحميل صورة الأشعة وطرح الأسئلة المتعلقة بها باستخدام اللغة الطبيعية. وبحسب الإمكانات البصرية المدمجة في النظام، يمكن معالجة الصورة واستخلاص المعلومات المرئية منها، ثم استرجاع المعلومات الطبية ذات الصلة وتوليد إجابة تجمع بين النتائج البصرية والمعرفة الطبية المتخصصة. فعلى سبيل المثال، يمكن للمستخدم تحميل صورة أشعة سينية للصدر وطرح مجموعة من الأسئلة، مثل: ما التراكيب التشريحية الظاهرة في صورة الأشعة؟ ما العلامات الشعاعية الشائعة للالتهاب الرئوي؟ ما الفرق بين المظهر الطبيعي وغير الطبيعي للرئتين؟ ما العلامات الشعاعية التي قد تشير إلى وجود انصباب جنبي؟ ما المنطقة التشريحية التي تم تصويرها؟ ما المعلومات الإضافية التي ينبغي أخذها بنظر الاعتبار عند تفسير هذا النوع من الصور؟ بعد ذلك، يستخدم النظام مكون تحليل الصور، عند توفره، إلى جانب آلية استرجاع المعلومات من قاعدة المعرفة، لتقديم إجابة توضيحية مرتبطة بالسؤال المطروح. وتتمثل إحدى أهم ميزات هذا المساعد في قدرته على شرح المفاهيم الطبية بلغة واضحة ومبسطة، مع إمكانية الاستناد إلى مراجع علمية وتعليمية متخصصة. 4. البنية التقنية والمكونات الرئيسية للنظام يتكون النظام المقترح من مجموعة من المكونات التقنية المترابطة التي تعمل بصورة متكاملة لتوفير إجابات ذكية للمستخدمين. 4.1 واجهة المستخدم (User Interface) تمثل واجهة المستخدم نقطة الاتصال الرئيسية بين المستخدم والنظام، حيث توفر بيئة تفاعلية بسيطة تسمح بتحميل صور الأشعة السينية وإدخال الأسئلة واستعراض الإجابات الناتجة عن الذكاء الاصطناعي. ويمكن أن تتضمن الواجهة عرض الصور الطبية، وسجل المحادثات، والمراجع العلمية المرتبطة بالإجابات. 4.2 وحدة معالجة الصور الطبية (Medical Image Processing Module) تتولى هذه الوحدة استقبال الصور الشعاعية وتجهيزها للتحليل، وقد تشمل عمليات المعالجة المسبقة، مثل تغيير حجم الصورة، وتوحيد القيم الرقمية، وتقليل التشويش، وتحسين التباين. بعد ذلك، يمكن دمج نموذج للرؤية الحاسوبية أو نموذج متعدد الوسائط قادر على تحليل الصور واستخلاص المعلومات البصرية ذات الصلة، مثل التراكيب التشريحية والعلامات الشعاعية المحتملة. 4.3 قاعدة المعرفة الطبية (Medical Knowledge Database) تُعد قاعدة المعرفة من أهم مكونات النظام، إذ تحتوي على معلومات طبية متخصصة يتم جمعها من مصادر علمية موثوقة، مثل: الكتب والمراجع المتخصصة في علم الأشعة. البحوث والمقالات العلمية المحكمة. الإرشادات الطبية الخاصة بالتصوير التشخيصي. المعلومات التشريحية والمرضية. الأوصاف والعلامات الشعاعية للأمراض. المصادر التعليمية المتعلقة بتفسير صور الأشعة السينية. تُقسّم المعلومات الموجودة في هذه المصادر إلى مقاطع نصية صغيرة، ثم يتم تحويلها إلى تمثيلات رقمية تُعرف باسم المتجهات الدلالية (Embeddings)، وتخزينها في قاعدة بيانات متجهية (Vector Database)، بهدف تسهيل عملية البحث والاسترجاع وفق المعنى والسياق. 4.4 محرك التوليد المعزز بالاسترجاع (RAG Engine) يمثل هذا المحرك حلقة الوصل بين أسئلة المستخدم وقاعدة المعرفة الطبية. فعند إدخال سؤال معين، يقوم النظام بالبحث الدلالي عن المعلومات الأكثر ارتباطاً به، ثم يسترجع المقاطع المناسبة ويرسلها إلى نموذج اللغة الكبيرة مع السؤال الأصلي. وتساعد هذه العملية على توليد إجابات أكثر ارتباطاً بالمعلومات الطبية المتاحة، مع إمكانية إظهار المصادر التي استندت إليها الإجابة. 4.5 نموذج اللغة الكبيرة (Large Language Model – LLM) يتولى نموذج اللغة الكبيرة فهم أسئلة المستخدمين، وتحليل المعلومات المسترجعة، وتوليد الإجابات بصورة لغوية مترابطة. ويمكنه شرح المفاهيم الشعاعية، وتوضيح المصطلحات الطبية، والمقارنة بين العلامات التصويرية، وتقديم المعلومات التعليمية المتعلقة بفحوصات الأشعة السينية. 5. آلية عمل النظام المقترح تمر عملية التفاعل بين المستخدم والمساعد الذكي بمجموعة من الخطوات المتتابعة: يقوم المستخدم بتحميل صورة الأشعة السينية من خلال واجهة التطبيق. تستقبل وحدة معالجة الصور الصورة وتجهزها للتحليل البصري. يقوم نموذج تحليل الصور باستخلاص المعلومات المرئية ذات الصلة، في حال دعم النظام لهذه الإمكانية. يطرح المستخدم سؤالاً متعلقاً بالصورة الطبية. يقوم محرك RAG باسترجاع المعلومات الطبية المرتبطة بالسؤال من قاعدة المعرفة. يتم دمج نتائج تحليل الصورة مع المعلومات المسترجعة وسؤال المستخدم. يعالج نموذج اللغة الكبيرة البيانات المتاحة ويُنشئ إجابة مناسبة للسياق. يعرض النظام الإجابة للمستخدم، مع إمكانية إرفاق المراجع العلمية ذات الصلة. تُسهم هذه الآلية في إنشاء بيئة متكاملة تجمع بين المعلومات البصرية والمعرفة الطبية المتخصصة، بما يعزز فاعلية التفاعل بين المستخدم والنظام. 6. التطبيقات المحتملة في مجال الأشعة والتعليم الطبي يمكن أن يوفر المساعد الذكي المعتمد على تقنية RAG العديد من التطبيقات المهمة في مجال الأشعة والتصوير الطبي، ومن أبرزها: التعليم والتدريب في مجال الأشعة: يمكن استخدام النظام لمساعدة طلبة تقنيات الأشعة والاختصاصات الطبية على فهم التراكيب التشريحية والمصطلحات الشعاعية والعلامات المرضية الشائعة. استرجاع المعلومات الطبية: يتيح النظام للطلبة والكوادر الطبية الوصول إلى المعلومات المتخصصة من المراجع العلمية، دون الحاجة إلى البحث اليدوي في مصادر متعددة. دعم تفسير الصور الشعاعية: عند دمج النظام مع نماذج معتمدة لتحليل الصور الطبية، يمكنه المساعدة في تحديد بعض التغيرات غير الطبيعية وتقديم شروحات للمظاهر الشعاعية ذات الصلة. التعلم التفاعلي: يستطيع الطلبة تحميل صور أشعة تعليمية وطرح أسئلة حول المعالم التشريحية والمظاهر المرضية والفروقات بين الصور الطبيعية وغير الطبيعية. المساعدة في الوصول إلى المعرفة السريرية: يمكن للنظام تقديم معلومات تعليمية وتفسيرات مدعومة بالمراجع لمساعدة المختصين على توسيع فهمهم للموضوعات الشعاعية، دون أن يحل محل التقييم المهني لاختصاصي الأشعة. 7. مزايا دمج تقنية RAG مع تحليل الصور الطبية يوفر الجمع بين تقنية التوليد المعزز بالاسترجاع وتقنيات تحليل الصور الطبية مجموعة من المزايا المحتملة، منها: إجابات مدعومة بالمعرفة: إمكانية الاستناد إلى معلومات مسترجعة من مصادر طبية متخصصة. تحسين فهم السياق: الجمع بين سؤال المستخدم والمعلومات البصرية والنصية المرتبطة بالصورة. التفاعل الذكي: إمكانية طرح أسئلة متتابعة واستكشاف جوانب مختلفة من الفحص الشعاعي. تحديث المعرفة الطبية: إمكانية تحديث قاعدة البيانات الطبية بصورة مستقلة عن عملية التدريب الأصلية لنموذج اللغة. دعم التعليم الطبي: تقديم شروحات تتناسب مع احتياجات الطلبة والكوادر الطبية. شفافية المصادر: إظهار المراجع العلمية التي استُخدمت في توليد الإجابات، بما يساعد على التحقق من المعلومات. ومع ذلك، فإن جودة النتائج تعتمد على موثوقية قاعدة المعرفة، وكفاءة نموذج تحليل الصور، ودقة عملية استرجاع المعلومات. 8. التحديات والقيود التقنية على الرغم من الإمكانات الواعدة لهذا النظام، فإن تطوير مساعد ذكي يعتمد على تقنية RAG لتحليل الصور الطبية يواجه مجموعة من التحديات التقنية والسريرية. يتمثل أحد أبرز هذه التحديات في دقة تفسير الصور الطبية، إذ إن نظام RAG التقليدي المعتمد على النصوص لا يمتلك القدرة على تحليل صور الأشعة السينية بصورة مستقلة. ولذلك، يتطلب النظام دمج نموذج متخصص في معالجة الصور أو نموذج متعدد الوسائط يجمع بين الرؤية الحاسوبية وفهم اللغة. كما تمثل جودة المعلومات المسترجعة عاملاً أساسياً في موثوقية النتائج، إذ إن الاعتماد على مصادر غير مكتملة أو قديمة أو غير دقيقة قد يؤدي إلى إنتاج إجابات مضللة. إضافة إلى ذلك، قد تنتج نماذج اللغة الكبيرة تفسيرات غير دقيقة أو استنتاجات غير مدعومة، حتى عند ربطها بمصادر معرفية خارجية. ولهذا السبب، ينبغي أن يتضمن النظام آليات للتحقق من المراجع، وضوابط تحد من الإجابات غير الموثوقة، وتوضيحاً للحدود التي يمكن استخدامه ضمنها. وتُعد حماية خصوصية المرضى وأمن البيانات من الجوانب المهمة أيضاً، ولا سيما عند التعامل مع الصور السريرية التي قد تتضمن معلومات تعريفية خاصة بالمرضى. وبناءً على ذلك، ينبغي التعامل مع النظام بوصفه أداة تعليمية ومساندة للمعرفة واتخاذ القرار، وليس نظاماً مستقلاً لإصدار التشخيصات الطبية، مع ضرورة مراجعة التفسيرات ذات الأهمية السريرية من قبل المختصين. 9. آفاق التطوير المستقبلية يمكن توسيع إمكانات النظام مستقبلاً ليشمل أنواعاً متعددة من تقنيات التصوير الطبي، مثل التصوير المقطعي المحوسب (CT)، والتصوير بالرنين المغناطيسي (MRI)، والتصوير بالموجات فوق الصوتية (Ultrasound). كما يمكن تطوير النظام من خلال دمج نماذج متخصصة في التعلم العميق ومدربة على مجموعات بيانات شعاعية مصنفة، وتحسين آليات الربط بين الصور والأسئلة، واستخدام تقنيات التمثيل متعدد الوسائط. ومن الاتجاهات المستقبلية المهمة أيضاً دعم التفاعل بلغات متعددة، بما يسمح للمستخدمين بطرح الأسئلة بلغات مختلفة، مع إمكانية استرجاع المعلومات من مصادر طبية موحدة ومعتمدة. كذلك يمكن تطوير منصة معرفية متخصصة في الأشعة تجمع بين فهم الصور الطبية، واسترجاع الأبحاث العلمية، والذكاء الاصطناعي الحواري ضمن تطبيق برمجي متكامل. 10. الاستنتاج يمثل دمج تقنية التوليد المعزز بالاسترجاع مع تطبيقات الذكاء الاصطناعي اتجاهاً واعداً في تطوير الأنظمة الذكية الداعمة للتعليم الطبي واسترجاع المعلومات في مجال التصوير الطبي. إن تطوير مساعد ذكي مدعوم بالمعرفة لتحليل صور الأشعة السينية يتيح الجمع بين قواعد البيانات الطبية المتخصصة، ونماذج تحليل الصور، ونماذج اللغة الكبيرة، لتوفير بيئة تفاعلية تساعد المستخدمين على استكشاف الصور الشعاعية والإجابة عن الأسئلة المرتبطة بها.

جامعة المستقبل

مؤسسة تعليمية تابعة لوزارة التعليم العالي والبحث العلمي في العراق

روابط مهمة

وزارة التعليم العالي

اللجنة التوجيهية

الدورات والورش

الأكاديميون

الكادر التدريسي

الطلبة

أنظمة الدراسات

عملية التقييم

الهيكل التنظيمي

القواعد واللوائح

معلومات الخريجين

المواقع البحثية

Scopus

Research Gate

Google Scholar

ORCID

Web Of Science

مركز المساعدة

حول الجامعة

الكليات والأقسام

البوبات الألكترونية

دليل الجامعة

تواصل معنا

جامعة المستقبل - جميع الحقوق محفوظة ©2025

  • إعدادات إمكانية الوصول