في خطوة جديدة نحو تحسين تقنيات الذكاء الاصطناعي القابل للتفسير (Explainable Artificial Intelligence)، قام الباحثون بإجراء دراسة على نموذج RhythmFormer الذي يستهدف قياس نبضات القلب عن بُعد باستخدام الفيديو.

تتمثل الفكرة الأساسية في قياس النبض القلبي من خلال تحليل فيديوهات الوجه، حيث تعتمد معظم الروابط السابقة على تحليل الخرائط الحرارية دون الاعتماد على أدلة كمية تفصيلية.

**تدريب نماذج متعددة**
تم تدريب ثمانية نماذج RhythmFormer محددة الشروط باستخدام بيانات من مجموعتي NCKU-rPPG وUBFC-rPPG، حيث تم تسجيل البيانات تحت ثلاثة مستويات من الإضاءة وظروف مختلفة مثل التحدث والدوران. تم تقدير معدل ضربات القلب لكل مقطع مدته 5.12 ثانية.

**نتائج مثيرة**
أظهرت النتائج أن نموذج "Beyond Intuition" حقق أعلى تقييمات، حيث سجل تغطية متوسطة بنسبة 0.789 ومقياس SaCo (Salience-guided Faithfulness Coefficient) بنسبة 0.837 على مستوى الإضاءة الثابتة. ومع ذلك، لوحظ تقلص كبير في الدقة عند تعرض البيانات للضوء المنخفض أو الحركة، مما يدل على أهمية الظروف البيئية في أداء النماذج.

**استنتاجات قيمة**
تؤكد هذه الدراسة أن التغطية الجلدية وSaCo تحمل معلومات تكاملية بالنسبة لمقاييس الأداء بدلاً من أن تكون مؤشرًا مباشرًا لها. مما يعني أن ما تكشفه نماذج الذكاء الاصطناعي قد لا يتوافق دائمًا مع دقة التقدير. لذا، فعندما يتعلق الأمر بالتنبؤ بنبضات القلب، فهم كيفية نظر النموذج ليس بالأمر الكافي بل يتطلب ضمان ترتيب خريطة نمذجة موثوقة.

بينما يستمر البحث في هذا المجال، يبقى السؤال: كيف يمكننا تحسين دقة أنظمة الذكاء الاصطناعي في التفسير والطبيب عند الدعم بالتقنيات الحديثة؟ شاركونا آرائكم في التعليقات.