في عالم الذكاء الاصطناعي، تتزايد أهمية نماذج الرؤية اللغوية الطبية (Medical Vision Language Models) مثل BiomedCLIP، التي تقدم إنجازات رائعة في تعميم البيانات. ومع ذلك، فإن تكيف هذه النماذج للخدمات السريرية يصعب أكثر مما يبدو، حيث لا تتعلق المسألة بالدقة فقط، بل أيضاً بالسلامة. فقد تؤدي تحديثات النماذج المطبقة عند إضافة تقنيات تصوير جديدة إلى مشاكل كبيرة، مثل النسيان الكارثي، حيث تفقد النماذج القدرة على التعامل مع تقنيات سابقة.

تمكن علماؤنا من تطوير تقنية جديدة تُعرف باسم CADRE، والتي تعتمد على إطار حوسبي يجمع بين التكيف منخفض المعلمات (LoRA) ونعومة ا الوزن المرن بينما يحد من فقدان الكفاءة. يتمثل الابتكار في وجود عقوبة على انحراف القيم تمنع فقدان المعلومات المهمة من النموذج الأصلي المجمد.

اختبرنا CADRE باستخدام بيانات سرطان الثدي عبر ثلاث تقنيات تصوير غير متشابهة، حيث نجحنا في تقليل النسيان بمعدل حوالي سبع مرات مقارنة بأساليب التكيف الأخرى، محققين دقة عالية وموثوقية أكبر في الأداء. هذا يفتح الطريق أمام تطبيقات جديدة لرؤية الآلات في المجال الطبي، مما يضع التركيز ليس فقط على الدقة، بل على الأمان والموثوقية في تقديم الرعاية الصحية.

هذا التطور يمثل خطوة كبيرة نحو تحسين استفادة مقدمي الرعاية الصحية من الذكاء الاصطناعي، مما يعني أن المرضى سيستفيدون بشكل أكبر من التكنولوجيا الحديثة. هل أنتم متحمسون لتطبيقات الذكاء الاصطناعي في الطب؟ شاركونا آراءكم في التعليقات!