في عالم الطب الحديث، تلعب نماذج الأساس الطبية ثلاثية الأبعاد (3D Medical Foundation Models) دوراً متزايد الأهمية كأدوات عامة لاستخراج الميزات. ومع ذلك، تبقى حساسيتها للعيوب الموجودة في التصوير بالرنين المغناطيسي (MRI) غير مفهومة بشكل جيد. في دراسة جديدة نشرت على منصة arXiv، أجرى الباحثون تقييمًا مُراقبًا لدراسة متانة التمثيل عبر خمس دعامات ثلاثية الأبعاد مُعدة مسبقًا، تغطي مجموعة متنوعة من المعماريات والأهداف ومجالات ما قبل التدريب.

استخدم الفريق حالات من BraTS-Africa والتي شملت أربع تسلسلات MRI، حيث تم تطوير سبعة أنواع من العيوب في النطاقين الترددي والصوري بناءً على خمسة إعدادات فساد محددة مسبقا. تم تقييم المتانة باستخدام عدة أدوات، منها "Center Kernel Alignment" (CKA) وRankMe وUMAP، بالإضافة إلى تحليل مستقل لتناسق التكامل.

أظهرت النتائج أن المتانة تعتمد بشكل كبير على النموذج والعيوب، حيث قدم نموذج 3DINO أعلى مستوى من الاستقرار، بينما كان نموذج BrainIAC حساسًا بشكل كبير لعدة أنواع من الفساد. في حين أظهر نماذج NeuroVFM وBrainFM وNeuro-SimCLR ملفات تعريف متوسطة ولكن مميزة من حيث حساسيتها للعيوب.

من خلال العديد من الظروف، لوحظ أن CKA انخفض بشكل كبير بينما ظل RankMe أكثر استقرارًا، مما يدل على أن العيوب غالبًا ما تشوه هندسة التمثيل دون أن تؤدي إلى انهيار الأبعاد. كذلك، تدهورت دقة التكامل تحت تأثير الفساد، خاصة مع مشاكل "الظلال" والضوضاء Rician، ولكن هذه التدهورات لم توافق تمامًا مع متانة التمثيل.

تؤكد هذه النتائج على ضرورة عدم الاعتماد على التدريب المسبق على نطاق أوسع أو خاص بمجال معين كمُعطى لضمان عدم تأثر النموذج بالعيوب، مما يُبرز أهمية القيام بتقييم متانة صريح قبل نشر هذه النماذج في بيئات التصوير بالرنين المغناطيسي المتنوعة.