في عالم تكنولوجيا الرعاية الصحية، تتزايد الحاجة لاستجابات دقيقة وفورية للأسئلة في مجال المناظير. تمثل تقنية استجابة الأسئلة البصرية (VQA) أداة مبتكرة، لكنها تواجه تحديات عند طرح أسئلة معقدة تشمل عدة مكونات للإجابة. وقد أظهرت الدراسات أن هذه الإجابات المعقدة قد تُصنف بشكل صحيح، بينما تفشل النماذج في الإجابة عن الأسئلة الأساسية المتعلقة بنفس الموضوع.

لتجاوز هذه العقبات، تم تقديم معيار جديد يسمى EndoCA، والذي يسعى لقياس توافق الإجابات المعقدة مع الإجابات الذرية المرتبطة بها. يتضمن EndoCA مجموعتين: EndoCA-Core التي تركز على نمط تعقيد السؤال الشائع، وEndoCA-Diagnostic التي تدعم تحليلًا دقيقًا لتعقيد الأسئلة المتزايد.

هذا الابتكار جذب انتباه الفرق البحثية، حيث تم اختبار 11 نموذجًا مختلفًا من نماذج اللغات المتقدمة (VLMs) على معيار EndoCA. النتائج كانت مثيرة للاهتمام، إذ خطت بعض النماذج خطوات كبيرة في تحقيق دقة عالية للإجابات المعقدة، بينما ظلت دقة الإجابات الذرية أقل مما هو مطلوب.

لإيجاد حل لهذه الفجوة، تم تقديم آلية جديدة تُعرف بإعادة تسوية الدعم الذري (Atomic-Support Reconciliation - ASR). هذه الآلية تعمل على استخدام الإجابات الذرية كنقطة انطلاق لتعديل وتنسيق الإجابات، مما يسهم في تحسين اتساقها. تم اختبار ASR-Revise وASR-Selective وتحقيق نتائج واعدة، حيث أدت إلى تحسين كبير في تصحيح الإجابات مع تغييرات قليلة في الدقة العامة.

إن EndoCA وASR يجتمعان لتقديم معيار مدروس وآلية فعالة لتحسين جودة الإجابات في استجابة الأسئلة البصرية الخاصة بالمناظير، مما يجعل هذه التقنيات خطوة هامة نحو تعزيز دقة الطب الحديث.