في عالم الذكاء الاصطناعي والتكنولوجيا الحديثة، أظهرت الأبحاث الأخيرة تقدمًا كبيرًا في تصميم النماذج البصرية اللغوية (Vision-Language Models) من خلال دمج تقنية تتبع العين. المدخلات البصرية تُعالج كرموز بصرية، لكن العملية المعقدة للتفكير غالبًا ما تتم عبر النصوص، مما يمكن أن يكون غير مثالي للنماذج المستخدمة في مجالات مثل الأشعة.

يعتمد أطباء الأشعة على عمليات بحث بصرية متتابعة في تشخيص الحالات، وتمكن تقنية تتبع العين من التقاط هذه العملية عبر مسارات نظر زمنية تُظهر كيفية اكتساب الأدلة خلال الزمن. من خلال استخدام تتبع العين كوسيلة توجيه، تم إدخال مجموعة صغيرة من الرموز المخصصة لتوجيه نماذج VLM نحو كيفية التفكير المشابه للبشر في معالجة المعلومات.

تتجاوز التجارب التي أجريت على مجموعة بيانات MIMIC-EYE ومعايير خارجية متعددة نماذج الأساس، مُظهرة أداءً غير مسبوق في النطاق وزيادة ملحوظة في القدرة على التعامل مع تكاليف التباين. نتائج هذه الاختبارات تسلط الضوء على إمكانية استخدام تتبع العين كإشارة إشراف فعالة لتعلم التفكير الطبي المبني على الأدلة المرئية.

تُظهر هذه الدراسة كيف يمكّننا توظيف تقنيات تتبع العين من تعزيز أداء الذكاء الاصطناعي في مجالي الرؤية واللغة، مما يدفعنا نحو مستقبل واعد للتشخيص الدقيق والرؤى الطبية المتقدمة.