تعد أمراض الجهاز التنفسي عند حديثي الولادة واحدة من الأسباب الرئيسية للمراضة والوفيات بين حديثي الولادة، مما يضع تحديات كبيرة أمام الأطباء في مجال الرعاية الصحية. في ضوء التقدمات الحديثة، تم تقديم نموذج لغوي متقدم يُعرف باسم NeoRed، والذي يُعد الأول من نوعه الذي تم تصميمه تحديدًا لتشخيص هذه الأمراض.

يعاني العديد من نماذج اللغات متعددة الوسائط (Multimodal Large Language Models) من فجوات في البيانات نتيجة الاعتماد على بيانات التدريب من البالغين بشكل أساسي، مما يؤثر على دقة التشخيصات. يعمل NeoRed على معالجة هذا التحدي عن طريق جمع مجموعتين من البيانات السريرية الواقعية (NeoCXR وNeoCXR-EV) التي تغطي حالات حديثي الولادة.

يتميز NeoRed بإطار عمل مبتكر يسمى "ملاءمة المعرفة والمنطق" (Knowledge-Logic-Alignment - KLA)، والذي يدمج المعرفة المقدمة من أطباء الأطفال مع السياقات السريرية المتعددة الأبعاد لتحسين الأداء التشخيصي. يتضمن هذا الإطار ثلاثة عناصر رئيسية:

1. **حقن المعرفة السابقة (Knowledge Prior Injection - KPI)** - حيث يتم تضمين أولويات تشخيصية مستوحاة من خبراء الأطفال لتحسين دقة الانتباه عبر الوسائط المختلفة.
2. **قيود المنطق التشخيصي (Diagnostic Logic Constraint - DLC)** - حيث يتم مواءمة معاني التقارير التي يتم إنشاؤها مع المنطق التشخيصي متعدد الوسائط.
3. **التوافق الدلالي البصري (Visual Semantic Alignment - VSA)** - حيث تُنشأ علاقات دلالية بين الميزات البصرية والاستنتاجات المتعلقة بالتصوير.

أظهرت التجارب أن NeoRed تحقق أداءً متميزًا في إنتاج تقارير تشخيصية دقيقة لحديثي الولادة، حيث حقق نموذج ROUGE-L نسبة 53.29% ومعدل F1 للفعالية السريرية بقيمة 65.19% على مجموعة NeoCXR، متفوقًا بذلك على نماذج متعددة الوسائط القائمة حاليًا. بالإضافة إلى ذلك، يثبت NeoRed أداءً تنافسيًا على معايير البالغين مثل MIMIC-CXR وIU-Xray.

ستكون المجموعات المتاحة للاستخدام عند التقديم.

هل أنتم مستعدون لاستكشاف كيفية تأثير NeoRed على مستقبل تشخيص أمراض حديثي الولادة؟ شاركونا آرائكم في التعليقات!