في إطار تحدي MAMA-MIA، شهدت تقنيات الذكاء الاصطناعي تقدمًا ملحوظًا خاصة في مجال تصنيف الأورام والتنبؤ بالاستجابة العلاجية الكاملة (pCR). قدم فريق FME إسهامًا بارزًا من خلال استخدام تقنية إزالة الطرح (Subtraction) مما جعلهم يحتلون المركز الثاني في كلا المهمتين.

لعل أبرز ما تم استخدامه هو نموذج nnU-Net الذي تم تدريبه باستخدام خمس طيات (five-fold) معتمدًا فقط على نص الصورة بعد التباين ناقص صورة التهيئة. كما تم الاعتماد على تقنيات تعزيز الاختبار مثل عكس الصورة وتصحيح أكبر مكون متصل لتحسين دقة التصنيف.

أما بالنسبة لتنبؤ الاستجابة الكاملة للعلاج، فقد قام الفريق بتجميع 25 مُصنفًا ثلاثي الأبعاد مدربين مسبقًا على قصاصات من الأورام من صور الأشعة بجودة عالية. حيث حقق النهج المستخدم في تصنيف الأورام نتيجة أداء عادلة جداً بلغت 0.882، بينما حقق نهج التنبؤ بالاستجابة الكاملة نتيجة 0.664.

لا شك أن هذه النتائج تبين أن استخدام تقنية إزالة الطرح ودعم النماذج التقريبية يعززان من قدرة التصنيف للأورام في ظل تغير نطاق البيانات بشكل متقاطع. ومع ذلك، يبدو أن الاعتماد فقط على الصور السابقة لتعزيز التنبؤ بالاستجابة العلاجية لا يزال محدودًا.

إذا كنت مهتمًا بمعرفة المزيد حول هذا الإنجاز العلمي، يمكنك الاطلاع على مستودع التقديم على GitHub: [رابط المستودع].