في زمن يسير نحو الابتكار المتسارع، يبرز الذكاء الاصطناعي كأحد أهم الأدوات في مجالات متعددة، من بينها الطب. ومع تزايد استخدام الصور الطبية الاصطناعية، تبدأ المخاوف من مخاطر جديدة تتعلق بالتشخيصات الطبية والتأمين.

أظهرت دراسة جديدة على موقع arXiv أن هناك قلقًا متزايدًا حول موثوقية هذه الصور. بينما استخدمت الأبحاث السابقة نماذج لغوية للغة الرؤية (Vision-Language Models) للكشف عن الصور الاصطناعية، غالبًا ما كانت هذه الفحوص تقتصر على تحليل الصور بمعزل. ولكن في الواقع، يتم تفسير الصور في سياق السجلات المنظمة والبيانات الوصفية ذات الصلة.

وفي هذا السياق، اكتشفت الدراسة ضعفًا غير مُعالج يتمثل في التأثير الزائد للسياق الوصفي على أحكام الموثوقية. في تجاربهم، وجد الباحثون أن الأحكام حول موثوقية الصورة يمكن أن تتغير بشكل كبير بناءً على السياق النصي المرتبط بها. ونتيجة لذلك، يمكن أن يؤدي التغيير البسيط في النص المصاحب لصورة معينة إلى نتائج فحص تبدو مختلفة تمامًا.

وللكشف عن هذه الظاهرة بعمق، قام الفريق البحثي بإعادة صياغة عملية الكشف عن الصور الطبية الاصطناعية كمراجعة للموثوقية متعددة النماذج عند تقاطع الصورة والسجل. قاموا بتطوير معيار يتيح تقييم التأثيرات المختلفة دون تغيير الصورة، مما يسمح لهم بملاحظة التأثيرات الناتجة عن تغيير البيانات الوصفية فقط.

تم تقييم العديد من نماذج VLM العامة والمحلية، حيث أظهرت النتائج أن تغيير السياق الوصفي وحده يمكن أن يغير أحكام الموثوقية بنسبة 61.1% على الصور الأصلية عند إضافة علامة تنبيه حول منشأ الذكاء الاصطناعي. وأوصى الفريق البحثي بخط أنابيب زمني تخفيفي لاكتشاف وتحيد الاختصارات الناتجة عن السجلات، مما يمثل تقدمًا ملحوظًا دون الحاجة إلى إعادة تدريب النموذج.

تفتح هذه النتائج آفاقًا جديدة لفهم وتحسين موثوقية الأنظمة متعددة النماذج، مما يعيد تشكيل كيفية التعامل مع الصور الطبية الاصطناعية في عالم مليء بالتحديات.