ديب لنس: وكيل التشخيص الذي يتخطى نماذج الذكاء الصناعي الكبرى!

في عالم الطب، يعتبر التشخيص عملية متعددة المراحل تشمل استخراج الحقائق، التشاور مع المعرفة، وإجراء تحليل تفاضلي للوصول إلى أفضل خطوة تشخيصية مع تقديم التفسيرات اللازمة. بينما تُعد نماذج اللغات الضخمة (Large Language Models) من القوى الشاملة في هذا النوع من التطبيقات، إلا أن استخدامها في التشخيص الطبي غالبًا ما يكون محدودًا بسبب هشاشة الاستدلالات.

إليكم الحل الجديد الذي قدمته التكنولوجيا الحديثة - وكيل التشخيص ديب لنس (DeepLens Diagnosis Agent). يعتمد هذا النموذج على نظام مُحكم من خمسة مراحل، تم تطويره باستخدام نموذج صغير متخصص في الطب (JSL Medical Small 7B v2) وتقنية الاسترجاع المدعمة بالتوليد (Retrieval-Augmented Generation - RAG).

تتضمن هذه العملية خطوات مُنظّمة لاستخراج المعلومات السريرية، واسترجاع البيانات بشكل منضبط، وتوليد خيارات مؤكدة، بالإضافة إلى تنظيم الأدلة بشكل دقيق واتخاذ قرارات يمكن التحقق منها بسهولة.

لقد حقق وكيل التشخيص نتائج بارزة على مقياس إمكانية التشخيص DiagnosisArena، حيث بلغت دقة تشخيصه 60.14%، وهي الأعلى بين النماذج الصغيرة والمتوسطة. بالمقارنة، حقق نفس النموذج بدون استخدام آلية الوكيل 23.99%، مما يُظهر تحسنًا كبيرًا قدره 36 نقطة بفضل تصميم العملية فقط.

تكلفة استخدام وكيل ديب لنس تبلغ 0.0072 دولار لكل حالة، مع زمن استجابة يصل إلى 24 ثانية، ما يجعله أكثر اقتصادية مقارنة بالمنافسين مثل كلود سونيت 4.5 (0.0110 دولار) وجمنيه 3.1 برو (0.0128 دولار)، حيث يتفوق عليهم بفارق يصل إلى 9.70 نقطة و9.17 نقطة على التوالي.

يمتاز كذلك نظام ديب لنس بإنتاجه لمخرجات منظمة تساعد على تدقيق كل مرحلة من مراحل عملية التشخيص، ما يدعم الإعدادات الطبية ذات المخاطر العالية حيث تكون القابلية للتتبع وإمكانية التكرار أمرًا بالغ الأهمية.

هل تعتقدون أن هذا التطور سيحدث ثورة في عالم الطب؟ شاركونا آراءكم في التعليقات!