في عالم الرعاية الصحية، تلعب نماذج الأساس (Foundation Models) دورًا متزايد الأهمية في تحليل الصور الطبية، لا سيما في مجالات مثل تصوير الثدي. ومع ذلك، تبقى مسألة موثوقيتها تحت تأثير الظروف الخارجية غامضة.

تمكنت دراسة حديثة من تقييم 15 نموذجًا مختلفًا من نماذج الأساس للصور المستخدمة في تصوير الثدي، حيث غطت الدراسة جوانب متعددة مثل كثافة الثدي، شدة BI-RADS، وحالة السرطان. تمت العملية باستخدام بروتوكول موحد يعتمد على نموذج خطي معلق، حيث تم التدريب على ثلاثة مجموعات بيانات مختلفة وتم تقييم النماذج على اثني عشر مجموعة بيانات جديدة متوافقة بعد تنسيق التصنيفات.

أظهرت نتائج البحث تفوق نماذج اللغة الرؤيوية الخاصة بتصوير الثدي (Mammo-FM وMaMA) في الأداء مقارنة بالنماذج الأخرى عند مواجهة تحديات جديدة، ومع ذلك، لم يكن الأداء القوي مشروحًا فقط بالتعرض لصورة الثدي.

كما أثبت نموذج DINOv3 كخيار منافس قابل للتطبيق ضمن رؤية الصور فقط، ولم تؤدي التدريبات التمهيدية الخاصة بتصوير الثدي إلى تحسين مستمر في القدرة على التعرف.

أظهرت التحليلات على مستوى مجموعة البيانات أن النماذج الرائدة قد تختلف أداؤها بشكل كبير حسب مجموعة البيانات. يكشف الفحص في فضاء الميزات (Feature-space inspection) أن التمثيلات المفيدة يمكن أن تحافظ على الإشارات السريرية مع الحفاظ على بنية البيانات وطريقة جمعها.

تكشف هذه النتائج عن أهمية تقييم النموذج على مستوى مجموعة البيانات كتقييم رئيسي لتقويم تمثيلات تصوير الثدي. للمزيد من التفاصيل، يمكنك زيارة GitHub. ما رأيكم في هذه النتائج الجديدة؟ شاركونا آراءكم في التعليقات!