في عالم الطب الحديث، تعتبر فهم العلاقات المكانية للأعضاء والأنسجة أمرًا حيويًا لضمان دقة التصوير الشعاعي ومعالجة المعلومات. لذا، قدم فريق من الباحثين نظامًا جديدًا يعزز من موثوقية التحقق من العلاقات المكانية في صور الأشعة المقطعية (CT) من خلال استخدام تقنيات الذكاء الاصطناعي.

استنادًا إلى نماذج اللغة المرئية (Vision-Language Models) التي أظهرت تحسنًا ملحوظًا في العديد من مهام التصوير الطبي، إلا أن هناك نقاط ضعف في قدراتها على فهم العلاقات المكانية بدقة. حيث أثبتت الدراسات الحديثة أن هذه النماذج لا تزال تعاني من مآخذ في التحقق من العلاقات في الصور، مما قد يؤثر سلبًا على دقة التشخيص.

يعتمد النظام الجديد على بنية مهيكلة تهدف إلى تحسين هذه النواحي من خلال تقسيم المهمة إلى مراحل واضحة، تشمل تحليل اللغة، وتحديد المواقع التشريحية، والتحقق الهندسي المحدد. بفضل استخدام أدوات مثل كاشف YOLO، تمكن الباحثون من تحديد الأعضاء المستهدفة بدقة، وتحويل الاستفسارات الطبيعية إلى صيغ موحدة توضح العلاقات.

وفي التجارب التي أُجريت، حقق النظام دقة تصل إلى 94.1% ودرجة F1 بلغت 94.2%، مما يتفوق بشكل كبير على تقنيات الذكاء الاصطناعي الأخرى، مثل Qwen2-VL، بفارق 42.5% في دقة الاجتهاد. مما يشير إلى أن هذا النظام قد يمثل حجر الزاوية لتطور تقنيات تقارير الأشعة المستقبلية.

لذا، يتطلع الباحثون إلى أن تساهم هذه الطريقة في تحسين الجوانب المختلفة للذكاء الاصطناعي في التشخيص الطبي، مما يؤدي إلى دعم أفضل لمتخصصي الأشعة وتوفير معلومات دقيقة للمرضى.

ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات.