في عالم الطب الحديث، يُعتبر تفسير الأشعة السينية أحد أكثر المهام تشخيصاً شيوعاً، وهو هدف رئيسي لهذا الذكاء الاصطناعي (AI). وفي هذا السياق، تمثل بيانات CheXthought موردًا مبتكرًا يقدم تقنيات متقدمة لتحسين دقة هذه التفسيرات. تحتوي بيانات CheXthought على أكثر من 103,000 سلسلة من عمليات التفكير المترابطة و6.6 مليون ملاحظة متزامنة للاهتمام البصري، مستمدة من 50,312 صورة أشعة سينية تم تقييمها بواسطة 501 طبيب أشعة من 71 دولة.

فهل تساءلت يومًا عن كيفية استخدام الأطباء لاستراتيجيات البحث البصري المختلفة ودمج السياق الإكلينيكي في تشخيصهم؟ لدى CheXthought الإجابات. تكشف التحليلات عن أن هذه البيانات تساعد على تحسين دقة النماذج الحالية في عدة جوانب. أولاً، تتفوق CheXthought بشكل ملحوظ على أحدث نماذج الرؤية اللغوية (Vision-Language Models) في دقة الحقائق والتجذير المكاني.

ثانيًا، فإن استخدام بيانات الاهتمام البصري كإشارة خلال وقت الاستنتاج يساعد في استعادة النتائج المفقودة ويقلل بشكل كبير من حالات الخيال التقني. ثالثًا، تؤدي النماذج المدربة على بيانات CheXthought إلى تحسين كبير في تصنيف الأمراض والدقة البصرية والتفكير الزمني وتواصل عدم اليقين.

وأخيرا، من خلال استغلال تعليقات متعددة من القُرَّاء، يمكننا التنبؤ بنزاعات بين الأطباء أو بين الإنسان والذكاء الاصطناعي مباشرة من صورة الأشعة، مما يُمكّن من التواصل الواضح حول صعوبة الحالة، وعدم اليقين، وموثوقية النموذج.

باختصار، تؤسس CheXthought كنزًا ثريًا لتعزيز التفكير الإكلينيكي متعدد الوسائط وتطوير نماذج الرؤية اللغوية الأكثر شفافية وفهماً.