في خطوة مبتكرة نحو تحسين جودة جراحة العيون، تمثل مجموعة بيانات Cataract-LMM (Large-Scale Multi-Source Multi-Task Benchmark) نقلة نوعية في مسار التعليم باستخدام تقنيات الذكاء الاصطناعي (AI). تحاول هذه المجموعة معالجة نقص البيانات المتنوعة والعميقة في جراحة الساد (Cataract Surgery) من خلال توفير 3,000 فيديو لجراحة الفاكوإيمولسيفيكيشن (phacoemulsification) تم تصويرها في مركزين جراحيين من قبل جراحيين يمتلكون مستويات مختلفة من الخبرة.

تشتمل مجموعة البيانات على أربع طبقات من التصنيفات، مما يمنح الباحثين والأطباء أداة قوية لتطوير نماذج تعلم عميقة قابلة للتعميم. هذه الطبقات تشمل:
1. مراحل العملية الجراحية الزمنية.
2. تحليل تفصيلي للأدوات والهياكل التشريحية.
3. تتبع تفاعل الأدوات مع الأنسجة.
4. تقييم مهارات الجراحين بناءً على مقاييس خاصة تم تعديلها من ICO-OSCAR و GRASIS.

من خلال إجراء تجارب مقارنة على نماذج التعلم العميق عبر أربع مهام مختلفة، تمكن الباحثون من إظهار الكفاءة الفنية لمجموعة البيانات في:
- التعرف على تدفق العمل.
- تقسيم المشاهد.
- تتبع تفاعل الأدوات مع الأنسجة.
- التقييم التلقائي لمهارات الجراحين.

بالإضافة إلى ذلك، تم تأسيس خط أساسي للتكيف مع المجال من خلال التدريب على مركز جراحي واحد والتقييم في مركز آخر. هذا التطور يسهم في تسريع انتقال المعرفة وبناء نماذج متعددة المهام لفهم تدفقات العمليات الجراحية كما يعزز أبحاث التدريب القائم على الكفاءة.

يمكنكم الحصول على مجموعة البيانات والتصنيفات من خلال النموذج المتاح على Google Form.