في دراسة شاملة ومتعددة المؤسسات، تم تطوير إطار جديد يُعرف بـ CT-IDP (الصفات المستمدة من صور الأشعة المقطعية) بهدف تحسين تصنيف الأمراض المعوية باستخدام صور الأشعة المقطعية. تعتمد هذه التقنية الحديثة على قاعدة بيانات MERLIN التي تشمل ما يقرب من 15,175 دراسة للتدريب و5,018 للدعم و5,082 للاختبار. كما تم اختبار الإطار خارجيًا على مجموعتي بيانات مستقلتين هما Duke-Abdomen وAMOS، اللتين تحتويان على 2,000 و1,107 دراسة على التوالي.

الخطوة الأساسية في هذا البحث كانت إنشاء تقسيمات متعددة الأعضاء باستخدام خوارزمية TotalSegmentator، التي ساعدت في استخراج أكثر من 900 صفة تتعلق بالأعضاء والمجالات بما في ذلك قياسات الشكل، والامتصاص، ونتائج الحمل والسياق.

علاوة على ذلك، تم تدريب نموذج انحدار لوجستي باستخدام تقنية المرونة (Elastic-Net Regularization) على بيانات MERLIN ومن ثم تم التحقق من دقته تحت شروط محددة. وقد أظهرت النتائج تحسناً ملحوظاً في الأداء عند مقارنة إطار CT-IDP مع نموذج DINOv3 القائم على تحويلات الرؤية، حيث سجلت أسعار الـ Macro-AUC نتائج تصل إلى 0.897 مقابل 0.880 في مجموعة MERLIN، و0.877 مقابل 0.857 في مجموعة Duke-Abdomen، و0.780 مقابل 0.756 في مجموعة AMOS، مما يبرز فعالية إطار CT-IDP في تحسين دقة تصنيف الأمراض المعوية.

هذه التطورات تمثل خطوة هامة نحو تحسين جودة الرعاية الصحية من خلال استخدام التكنولوجيا الحديثة في تحليل البيانات الطبية، مما يثير تساؤلات حول المستقبل وكيفية الاستفادة من هذه الابتكارات في الحياة العملية. ما هو رأيكم في هذه التطورات الجديدة في مجال الذكاء الاصطناعي والرعاية الصحية؟ شاركونا في التعليقات.