أهداف الدراسة">خلفية أهداف الدراسة
تهدف هذه الدراسة إلى تقييم دقة تشخيص MLLMs في تصنيف زوائد القولون وتوقع طبيعة الأنسجة. قامت الفرق البحثية بإجراء دراسة بصرية استرجاعية استنادًا إلى مجموعة بيانات PRIME الشهيرة، والتي تتضمن صورًا مضاءة وضوء نقي.
البحث">طرق البحث
تمت مراجعة أداء عدة نماذج متقدمة من الذكاء الاصطناعي، مثل Claude Opus 4 وGoogle Gemini 2.5 Pro وGPT-o3 وGPT-4o وGPT-5، في معالجة 132 حالة قائمة. تركز التحليل على حساب الدرجات الإحصائية F1 ودرجات الصحة.
النتائج">النتائج
أظهرت نتائج تلك الأنماط من الذكاء الاصطناعي تميزها، حيث حققت نماذج MLLMs درجات F1 تتجاوز 0.9 لتفريق زوائد القولون النمطية عن غير النمطية. وبرز نموذج Gemini 2.5 Pro بشكل خاص كونه الأفضل في التفريق بين زوائد القولون الغازية وغير الغازية بمعدل 0.560، بينما حقق Claude Opus 4 معدل 41.7% في الدقة الجذرية مما يعكس تفوق هذه النماذج في تحليل البيانات.
خلاصة
تعد النتائج مشجعة، إلا أن الحساسية والنوعية لم تصل إلى المعايير الأوروبية لعلوم الجهاز الهضمي، مما يستدعي الحاجة إلى تجارب مستقبلية متعددة المراكز. يُعتبر توفير العمل بمساعدة البشر جزءًا أساسيًا من التوجه لطرح هذه الأساليب في السريريات قريبًا.
ما رأيكم في هذه النتائج المذهلة؟ هل تتوقعون أن تُحدث هذه النماذج طفرة في مجال التشخيص الطبي؟ شاركونا أفكاركم في التعليقات!