في عالم الرعاية الصحية، يعد التشخيص الدقيق للأمراض النادرة تحديًا ملحوظًا، ولكن مع ظهور GraphRareBench، يصبح هذا التحدي أسهل بكثير. تمثل GraphRareBench معيارًا جديدًا يهدف إلى تحسين تقييم الأنظمة التشخيصية من خلال السماح للمستخدمين بفهم سلوك الأنظمة بشكل أعمق.

تتضمن هذه المنصة 2365 حالة تم اشتقاقها من الأنطولوجيا و18093 زوجًا من المتغيرات المستهدفة، مما يوفر نموذجًا موثوقًا للمقارنة بين الأنظمة التشخيصية المختلفة. يتم تحليل البيانات باستخدام استعلامات HPO المحددة مسبقًا، مما يجعل من الممكن استخراج النتائج بدقة.

تشير نتائج الاختبارات إلى أن أدوات الترتيب التي تعتمد على واجهة مميزة تحتوي على 21 ميزة، حققت معدلات استرجاع متوسطة تتراوح من 0.640 إلى 0.740، مما يدل على فعالية هذه الأنظمة. بالإضافة إلى ذلك، أثبتت الأنظمة المستندة إلى Agents-A1 وDeepSeek-V4-Flash كفاءة في الوصول إلى مستويات استرجاع عالية، مع اختلافات الطرح بينهما غير ذات دلالة إحصائية.

تجدر الإشارة إلى أن 22.1% إلى 43.7% من النجاحات التي تم تحديدها ما زالت تصنف العوامل المربكة بشكل أعلى من الهدف، مما يشير إلى الحاجة إلى تحسين تمييز العوامل المربكة الصعبة.

بهذه الطريقة، تُمثل GraphRareBench مبدًا جديدًا في الشفافية وتقييم الأنظمة التشخيصية، مما يوفر أساسًا موثوقًا للبحث المستقبلي. لمزيد من المعلومات، يمكنك زيارة صفحة المشروع على GitHub.