في عالم الذكاء الاصطناعي (AI) الموجه نحو الرعاية الصحية، تبرز مسألة كيفية تأثير حالة الاستحواذ على بيانات التصوير الطبي كأحد التحديات الكبيرة. وفقًا للأبحاث الحديثة المنشورة، هناك حاجة ملحة لفهم العلاقة بين استحكام النموذج المدرب وبيانات التصوير المدخلة.

يوصي المعهد الأمريكي للأشعة (ACR) بمعايير ممارسة جديدة بحلول عام 2026 تهدف إلى تعزيز فحص قبول البيانات ومراقبة التغيرات السلوكية في نماذج الذكاء الاصطناعي. تشير الحسابات إلى ضرورة وجود طبقة إضافية من المراقبة لم يتم رصدها حتى الآن، تتعلق بما إذا كانت الدراسات الواردة تعمل ضمن نطاقات الاستحواذ المعتمدة.

اختبرت الدراسة قدرة كاشف عقيدات الرئة (MONAI RetinaNet) المدرب على مجموعة بيانات LUNA16، لتحديد ما إذا كانت حالة الاستحواذ تتصرف كمتغير هيكلي وقابل للقياس. أظهرت النتائج أن تغيير الكيرنل (kernel) المستخدم في إعادة الإعمار قد يؤثر على قياسات الأبعاد، مما يؤدي إلى تغيير في تصنيف حجم العقيدة لدى 5.2% من العينات المدروسة.

من خلال تحليلات دقيقة للبيانات، تبين أن محور الضوضاء يؤثر سلباً على ثقة الكشف، خاصة لعيوب تحت 6 ملليمتر، بينما محور الكيرنل قد يؤثر على القياسات ولكن دون تأثير على مستوى الكشف.

تكشف النتائج أن حالة الاستحواذ يمكن أن تحدد أنماط فشل الذكاء الاصطناعي، مما يسلط الضوء على أهمية التحقق من صحة البيانات الداخلة لضمان فعالية التقنيات المستخدمة في التصوير الطبي. لذا، هل نحن مستعدون لاستثمار المزيد من الجهد في جوانب المراقبة هذه؟