مرض الزرق (Glaucoma) هو مجموعة من الأمراض التي تؤثر على العصب البصري، وغالبًا ما تتسبب في فقدان غير قابل للتعويض للرؤية. يُعتبر الزرق أحد الأسباب الرئيسية للعمى، ويظهر عادة بشكل بطيء وغير مؤلم، مما يجعل من الصعب اكتشافه حتى يحدث ضرر كبير. لذا، فإن الكشف المبكر عن الزرق يُعتبر أمراً حيوياً للمساعدة في منع أو تبطيء فقدان الرؤية.

في السنوات الأخيرة، لوحظ تحسن كبير في نماذج التعلم العميق أحادية النمط التي طورت دقة وكفاءة الكشف عن الزرق، مما يُعزز قدرة الأطباء على تشخيص المرض في وقت مبكر وتقديم العلاج المناسب. ومع ذلك، فإن نماذج التعلم المتعددة الأنماط (Multi-modal models) قد أظهرت تزايدًا في فعالية الكشف عن الزرق بفضل استغلال نقاط القوة في تقنيات تصوير مختلفة مما يؤدي إلى تعلم تمثيلات أغنى وأكثر موثوقية.

على الرغم من ذلك، تواجه نماذج التعلم المتعددة الأنماط تحديات مثل عدم التوازن في تمثيلات الأنماط الأحادية وعدم تحسينها بسبب أهداف التعلم المشتركة. وللتغلب على هذه التحديات، تم اقتراح نموذج مزيج متوازن من الخبراء (Balanced Soft Mixture of Experts) يتضمن ثلاثة خبراء مع خسارة متوازنة، مما يعزز من أداء النموذج.

لقد تم قياس الأداء باستخدام معيار AUC، وتجاوز النموذج المقترح جميع النماذج الأحادية التقليدية ونماذج التعلم المتعدد الأنماط الحالية، بالإضافة إلى النماذج المتوازنة الرائجة. الأهم من ذلك، أن هذا النموذج الجديد يمكن تعميمه على اكتشاف أمراض أخرى مثل اعتلال الشبكية السكري (Diabetic Retinopathy).

إن التقدم في نماذج الذكاء الاصطناعي يفتح آفاقاً جديدة في عالم الطب، حيث يمكن أن يؤدي الكشف المبكر والدقيق عن الأمراض إلى تحسين كبير في جودة حياة المرضى. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.