في عالم الذكاء الاصطناعي المتطور، شهدت النماذج اللغوية المتعددة الوسائط (Multimodal Large Language Models) قفزات نوعية في قدرتها على تحليل الصور السريرية. رغم هذه التقدمات، إلا أن عملية التدريب لا تزال تركز على النتائج النهائية، مما يعاني من مشكلات في تخصيص الفضل. تظهر الأبحاث الحديثة أن الأخطاء الناتجة عن التفكير الخاطئ في المراحل الأولى تسبب تزايد الأخطاء في التوقعات الطبية.

للتغلب على هذه العقبة، اقترح الباحثون خوارزمية جديدة تُدعى "تحسين السياسة الواعية بالتفكير الطبي" (Medical Reasoning-aware Policy Optimization) أو اختصارًا MRPO، وهي خوارزمية تعلم معزز (Reinforcement Learning) تركز على المكافآت المتعلقة بعملية التفكير خطوة بخطوة. عند حدوث خطأ في النهاية، تُفرض عقوبات كبيرة على الخطوات الخاطئة السابقة، مما يساعد في تفكيك سلسلات الفشل دون التأثير على المسارات الناجحة.

عبر ثلاث نماذج لغوية متعددة الوسائط، أثبتت MRPO تفوقها على أساليب التعلم المعزز التقليدية، وأظهرت نتائج مثيرة على نموذج Qwen3-VL-8B-Instruct، حيث تمكنت من تجاوز نماذج طبية ضخمة مثل HuatuoGPT-Vision-34B بفارق 2.79 نقطة.

أهم إنجازات MRPO تشمل تقليل الأخطاء في مراحل التفكير المبكرة من 64.0% إلى 13.0%، مما يجسد كيف يمكن للتصحيح الموجه لأخطاء الفشل المتسلسلة أن يحسن جودة التفكير ودقة الإجابات النهائية.

لمزيد من المعلومات، يمكنكم الاطلاع على الكود المتاح على GitHub. كيف ترون تأثير هذه الابتكارات على ممارسات الرعاية الصحية؟ شاركونا آراءكم في التعليقات.