في ظل الثورة التي أحدثتها تقنيات التعلم الآلي (Machine Learning) والتعلم العميق (Deep Learning) في مجالات الرعاية الصحية، يسعى الباحثون لإيجاد حلول فعّالة تلبي احتياجات تصنيف الصور الطبية. برزت دراسة جديدة تقدم نظام توصية مُسمى MedicalRec، والذي يُسهم في تصنيف الصور دون الحاجة إلى إعادة تدريب كل نموذج، مما يجعله خيارًا مثاليًا للأطباء والباحثين.

تعتمد الدراسة على مجموعة بيانات ضخمة تحتوي على 3,000 مقال في مجال تصنيف الصور الطبية، تُعرف باسم MedicalRec-Bench. تشمل هذه المجموعة أكثر من 5,000 سجل من نماذج تم اختبارها في مهام متنوعة، مثل تصنيف سرطان الجلد، وتحديد الأورام، وتصنيف الجروح، وسرطان الثدي، وتصنيف الأشعة المغناطيسية (MRI).

تم تقييم النظام وفقًا لأربعة أوضاع مختلفة، تعتمد على عدد الميزات المُعتمدة في تقديم التوصيات. على الرغم من التحديات المتمثلة في عدم تقارير بعض الكُتّاب للميزات، استطاعت الدراسة تحقيق نتائج ملحوظة، حيث حصل النظام على معدل نجاح (HitRate@100) بلغ 75.5% عند تقييمه باستخدام 12 نموذجًا أساسيًا.

تستند تقنيات MedicalRec إلى نموذج قائم على المحولات (Transformers) والذي يُعتبر من أكثر النماذج فعالية في تقديم التوصيات وتحسين الأداء في مجالات متعددة.

إن البيانات والتطبيقات المتعلقة بهذا النظام متاحة للجمهور من خلال الرابط على GitHub: رابط GitHub.

ما رأيكم في هذا التطور المثير؟ شاركونا أفكاركم في التعليقات!