تتجلى أهمية الذكاء الاصطناعي في مجال الطب بشكل واضح في الدراسة الجديدة التي تقدم إطار عمل فريداً لدمج البيانات الجينية مع تشخيصات أمراض الدم. في هذا السياق، تم عرض كيفية تحسين أداء المهام التشخيصية من خلال مواءمة متعددة الوسائط بين مشفرات الهيستوباثولوجيا (Histopathology) وبيانات النسخ (Transcriptomic) والجينوم (Genomic).

تتمحور هذه الدراسة حول تحليل خلايا الدم الحمراء (Hematological Cytology) حيث يُعتبر التقييم البصري للخلايا المفردة أمرًا فريداً، يقترن غالبًا بالتحليل الجينومي للكشف عن أمراض سرطان الدم. لبناء نموذج موائم، تم توظيف إستراتيجية تدريب ذات مرحلتين: الأولى تتضمن التحضير الذاتي المُراقب (Self-supervised) باستخدام نموذج تجميعي (Transformer Aggregator) على مجموعة من أكثر من 1500 مريض، والثانية لتحقيق المواءمة الجينية عبر خسارة مراقبة مُشرفة (Supervised Contrastive Loss) على مرضى سرطان الدم النخاعي الحاد.

ومع تفوق النموذج المقترح على النماذج الأساسية الخاصة بتشخيص الهيستوباثولوجيا، فإنه يوفر أيضًا قدرات استرجاع فائقة للأمراض والتغيرات الجينية. من خلال دمج البيانات الجينية، تم تحسين تمثيلات المرضى، مما يدعم مسارات العمل السريرية ويُعزز من قدرة الذكاء الاصطناعي على توفير حلول مستقبلية فعالة لمجال أمراض الدم.

يمكنكم استعراض الكود ووزن النموذج على الرابط: [رابط GitHub]. ما رأيكم في هذا التطور المذهل؟ شاركونا في التعليقات.