في خطوة ثورية في مجال الرعاية الصحية، قام فريق من الباحثين بتقديم نموذج مبتكر يعتمد على تقنيات الذكاء الاصطناعي لدمج بيانات التصوير بالرنين المغناطيسي (MRI) مع البيانات السريرية، مثل العمر والجنس والقياسات الجسمانية، في مساحة Latent مشتركة باستخدام تقنية الانتباه المتقاطع (Cross-Attention).

يقوم هذا النموذج المعتمد على الانتباه بتوفير فهم متكامل لطبيعة بيانات التصوير بالرنين المغناطيسي والبيانات الجدولية السريرية، مما يتيح التعلم التفاعلي بين النوعين من البيانات من أجل إنشاء نماذج توليدية فعالة.

لقد تم تصميم النموذج باستخدام مشفر تلقائي متغير (Variational Autoencoder) يمزج بين البيانات قبل بدء عملية التحليل بواسطة نموذج الانتباه المتقاطع، مما يسمح بإعادة بناء دقيقة ومناسبة لكل نوع من البيانات، من خلال فك تشفير منفصل لبيانات التصوير بالرنين المغناطيسي والبيانات الجدولية.

تم تقييم فعالية هذا النموذج على بيانات من الدراسة الصحية الوطنية الألمانية التي تتضمن معلومات عن أكثر من 10,000 مشارك، حيث أظهرت الصور التي تم إنشاؤها توافقًا تشريحيًا مع البيانات السريرية.

أظهرت التقييمات الكمية باستخدام مقاييس Fréchet وPrecision-Recall تحقيق نجاح ملحوظ في إنشاء صور فوتوغرافية ذات دقة عالية. وفيما يتعلق بالنموذج الجدولي، تفوق هذا النموذج على CTGAN في معظم مقاييس التقييم، وحصل على نتائج قريبة جدًا من TVAE، مما يظهر أداءً تنافسيًا مقارنةً بأسس النماذج التقليدية.

بذلك يكون هذا العمل الرائد هو الأول من نوعه الذي يثبت إمكانية نمذجة بيانات التصوير بالرنين المغناطيسي والبيانات الجدولية المختلطة في إطار Diffusion واحد، مما يساهم في تعزيز الفهم الرقمي وتحقيق الم مفهوم التوائم الرقمية (Digital Twins) في مجال الرعاية الصحية.