في عالم تشهد فيه التكنولوجيا تقدمًا سريعًا، يأتي نموذج BUSTR ليُشكل ثورةً حقيقية في مجال تقارير الأشعة، وبالأخص لتصوير الثدي بالموجات فوق الصوتية (Breast Ultrasound - BUS). يعتمد هذا النموذج الجديد على المعلومات الوصفية السريرية التي تتعلق بالآفات، مثل تصنيف BI-RADS، شكل الآفة، الحواف، والميزات الأخرى، لعلاج تحديات عدم توفر تقارير مكتوبة من قبل أطباء الأشعة في العديد من المجموعات العامة.

ما يميز BUSTR هو استخدامه لإطار عمل يهتم بالمؤشرات، مما يتيح له إنتاج تقارير دقيقية تحت إشراف تقارير محدود. حيث يبدأ النموذج بإنشاء تقارير مستندة إلى المؤشرات من البيانات المتاحة والميزات الإشعاعية المأخوذة من أقنعة الآفات. بعد ذلك، يقوم بتدريب نموذج متعدد الاستخدامات يعتمد على تقنية Swin Transformer مع إشراف متعدد المهام، لكي يتعلم تمثيلات بصرية واعية بالمؤشرات عبر مجموعات بيانات ذات مجموعات توصيفية متداخلة جزئيًا.

ما الذي يعنيه كل هذا بالنسبة لقطاع الرعاية الصحية؟ عندما يُطلب من BUSTR توليد تقارير من صور الموجات فوق الصوتية للثدي، فإنه يستطيع القيام بذلك دون الحاجة إلى معلومات وصفية هيكلية أو ميزات إشعاعية، مما يُظهر قدرته الكبيرة على تلبية احتياجات السوق. قد أظهرت التقييمات التي أُجريت على مجموعات بيانات BrEaST وBUS-BRA أن BUSTR يحسِّن من تجانس التقارير واسترجاع المؤشرات بشكل ملحوظ، مع تحسينات ملحوظة في شكل الآفة والحواف والميزات الخلفية.

إن القدرة على توليد تقارير دقيقة عند عدم توفر المعلومات السابقة تمثل خطوة واسعة نحو تحسين الوضوح والحساسية السريرية، مما يُعتبر إنجازًا مهمًا في استخدام الذكاء الاصطناعي في الرعاية الصحية. ما هي آراؤكم حول هذه الابتكارات في مجال الذكاء الاصطناعي وتطبيقاتها في المجال الطبي؟ شاركونا أفكاركم!