في ظل التقدم السريع للتكنولوجيا، تهيمن نماذج الرؤية-اللغة (Vision-Language Models) على تعلم التمثيلات الطبية، لكن البيانات النصية غير المنظمة تفتقر إلى الأنماط التشخيصية الكثيفة والكمية الموجودة في الجداول السريرية المنظمة. وللأسف، فإن الطرق الحالية في ما قبل التدريب متعدد الوسائط (Multimodal Pre-training) لا تستغل هذه الإمكانيات على النحو المطلوب، حيث تتعامل مع المدخلات الجدولية كمتجهات مسطحة وتستخدم أهداف انحدار غير مستقرة.

للتغلب على هذه التحديات، نقترح إطار عمل جديد ذكي يركز على النموذج الذي يراعي التركيب الثنائي الأبعاد للبيانات الجدولية. يتضمن ذلك استخدام "تكييف ماسك الذكاء (Importance-Aware Adaptive Masking)" لإعداد منهجية بدون تسميات تركز على الميزات البارزة. بالإضافة إلى ذلك، نقدم "وحدة التمييز الناعمة (Soft-Label Discretized Module)" التي تستبدل الانحدار العددي غير المستقر بمطابقة توزيع ثابت، لتضمن الحفاظ على العلاقات الترتيبية.

أظهرت التجارب الواسعة على مجموعات البيانات الكبيرة في مجالات الأمراض الجلدية (SLICE-3D, HOP) وطب العيون (EyePACS) نتائج مذهلة، حيث حققنا مستوى جديد من الأداء المتقدم (SOTA) مما يبرز قوة ومرونة هذا الإطار عبر مجالات مختلفة.

إن هذا الابتكار يعد خطوة مهمة نحو تحسين كيفية استخدام البيانات الصحية وتسريع عمليات التشخيص والعلاج.