تشهد تقنيات الذكاء الاصطناعي، وخصوصًا نماذج اللغات الضخمة (Large Language Models) ثورة هائلة في مجال الرعاية الصحية، حيث اضطلعت بدور مهم في تحسين تحليل الصور الطبية. ومع ذلك، كانت تواجه هذه النماذج تحديًا كبيرًا؛ فقد كانت تفتقر إلى القدرة على التحليل المكاني ثلاثي الأبعاد، وهي ميزة أساسية لتحليل الصور الطبية المقطعية، مثل صور الأشعة المقطعية (CT) أو التصوير بالرنين المغناطيسي (MRI).

لكن حان الوقت لتغيير قواعد اللعبة! من خلال تقديم نظام ذكاء اصطناعي جديد يُعرف بـ "الذكاء الوظيفي" (Agentic AI)، تمكنا من التغلب على هذه القيود. يتمثل الابتكار الأساسي في تمكين نماذج اللغات الضخمة من الاستفادة من أدوات خارجية متخصصة بشكل مباشر، بدلاً من الاعتماد على المعالجة ثلاثية الأبعاد بشكل تقليدي.

لقد قمنا بتطوير خط أنابيب آلي خالٍ من التدريب لتحليل صور الدماغ باستخدام نماذج لغوية عملاقة مثل GPT-5.4 وGemini 3.1 Pro وClaude Sonnet 4.6. ومن خلال استخدام أدوات متخصصة، ينفذ نظامنا عمليات معقدة تبدأ من التجهيزات الأولية مثل إزالة الجمجمة والتسجيل، وصولاً إلى تقسيم الشذوذات مثل الأورام، وتحليل حجم الخلايا.

كما اختبرنا إطار عملنا على عدد متزايد من المهام الإشعاعية، بدءًا من تحليل الأورام إلى تقييم الاستجابة بين مراحل زمنية متعددة. ومن خلال مقارنة النماذج أحادية الوكيل مع نماذج متعددة الوكلاء التي تعمل معًا كخبراء في المجال، اكتشفنا الأثر الإيجابي لتصميم المعمارية.

لضمان تقييم دقيق للأنظمة الوظيفية المستقبلية، قمنا بإطلاق مجموعة بيانات مرجعية تتضمن أزواج الصور مع الأسئلة والأجوبة المشتقة من بيانات عامة. أثبتت النتائج أن "الذكاء الوظيفي" يمكنه معالجة مهام تحليل الصور العصبية بطريقة فعالة ودقيقة، دون الحاجة للتدريب أو التخصيص.

هل أنتم مستعدون لاستكشاف المزيد عن الابتكارات في مجال الذكاء الاصطناعي وتحليل الصور الطبية؟ شاركونا آراءكم وأسئلتكم في التعليقات!