أحدث نموذج BrainNext قفزة نوعية في مجال تحليل صور الرنين المغناطيسي للدماغ، من خلال تطويره كنموذج ذاتي الإشراف (self-supervised) يهدف إلى تحسين القدرة على تحليل البيانات الطبية بشكل غير محدود. تم تصميم هذا النموذج بفضل تقنيات حديثة، حيث استخدم مسبقًا خوارزمية Autoencoder Masked (MAE) مع بنية ثلاثية الأبعاد متقدمة تُعرف بـ Bi-Directional xLSTM-UNet.

من خلال الاستناد إلى قاعدة بيانات ضخمة تتألف من 60,551 صورة رنين مغناطيسي للدماغ غير مصنفة، استطاعت BrainNext تعلم تمثيلات تشريحية غنيّة لفهم البيانات بشكل أعمق. وعند تقييمه على تحدي Foundation Models for Medical Imaging (FOMO) 2025، حقق النموذج المرتبة الثانية إجمالاً، واحتل المرتبة الأولى في مهمة تقسيم الأورام السحائية، مما يبرز قوته والتكيف الجيد مع التطبيقات المختلفة في مختبرات الأعصاب.

تؤكد النتائج القوية التي حققتها BrainNext على أهمية استخدام تقنيات التعلم الذاتي على نطاق واسع لتطوير نماذج صحية تُحدث ثورة في مجال علوم الأعصاب وتحسن من دقة التشخيص الطبي.