يعتبر سرطان الفم أحد الأسباب الرئيسية للوفاة في البلدان ذات الدخل المنخفض والمتوسط، حيث يؤدي نقص المتخصصين إلى تأخير التشخيص. ولكن، هناك بارقة أمل مع ظهور نماذج التعلم العميق (Deep Learning Models) الخفيفة الوزن، التي تعتمد على أجهزة الهواتف الذكية لتقديم الحلول القابلة للتوسع في تشخيص هذا المرض.

في دراسة حديثة تم نشرها على arXiv، تم تسليط الضوء على كيفية تطوير نماذج ذكاء اصطناعي قوية للتعامل مع التحديات التي تواجهها هذه المناطق، مثل نقص البيانات المتوازنة وجودة البيانات المتغيرة، بالإضافة إلى القيود الحاسوبية للأجهزة. استخدمت الدراسة مجموعة بيانات متنوعة تضم حوالي 30,000 صورة تم جمعها على مدار عقد من الزمن.

تم تقييم نماذج التعلم المعماري المتقدمة مثل الشبكات التلافيفية (Convolutional Networks) والنماذج الهجينة (Hybrid Architectures). والنتائج كانت مثيرة، حيث أثبتت الدراسات أن تحسين النماذج الهجينة للأجهزة المحمولة يؤدي إلى أداء أفضل بكثير مقارنة بالنماذج الثقيلة.

علاوة على ذلك، أظهرت الاختبارات أن النظام قد حافظ على فعاليته حتى في وجود ضوضاء عشوائية غير هيكلية، وأظهر نموذج MobileViTv2 نتائج واعدة بمتوسط حساسية بلغ 83.2% وخصوصية 86.0%. هذه الأرقام تبشر بإمكانية استخدام الذكاء الاصطناعي بشكل فعال في مجال الرعاية الصحية الأولية.

إن هذه النماذج تقدم آمالًا جديدة للحد من الوفيات الناجمة عن سرطان الفم في المناطق التي تفتقر إلى الخدمات الصحية، مما يجعلها خطوة مهمة نحو مستقبل أفضل للرعاية الصحية.