في خطوة جديدة نحو تحسين تحليل الأشعة باستخدام الذكاء الاصطناعي، تم تقديم نموذج NV-Reason-CT، وهو نموذج مبتكر يجمع بين قدرتي الرؤية الثلاثية الأبعاد (3D Visual Encoding) والتفكير المدعوم من قبل أطباء الأشعة. يستخدم هذا النموذج تقنية تحويل الرؤية الثلاثية الأبعاد فضلاً عن نموذج لغوي قوي، مما يسمح له بتمرير جميع الرموز البصرية والتنسيقات الثلاثية الأبعاد الخاصة بها إلى نموذج اللغة دون الحاجة إلى دمج إضافي للرموز.

تقوم فكرة هذا النموذج على الاحتفاظ بالمعلومات الهندسية الحجمية خلال عملية معالجة الصور مع النص، مما يعزز من القدرة على تحليل البيانات بشكل دقيق. تم تدريب NV-Reason-CT على مجموعة من حوالي 550,000 مثال تعليمي متعدد الوسائط مأخوذ من 70,111 صورة سكانر طبقي فريدة، مما يشمل تقارير معيارية وأسئلة موجهة تتعلق بالخلل والتشريح.

تجمع تلك الأمثلة بين استجابات متعددة وتفسير ثابت من قبل أطباء أشعة معتمدين، مما يضمن توجيه دقيق ودعم كامل لتقديم استنتاجات موثوقة. بعد عملية تدريب دقيقة، استخدمت المجموعة أسلوبي التحسين المتقدمة لتحقيق نتائج مثيرة للإعجاب في تصنيف الخلل وتوليد التقارير.

واحدة من النقاط البارزة هي التقييم المبدئي الذي أظهر أن المراجعة المدعومة بالذكاء الاصطناعي حصلت على تقييمات إيجابية من قبل أطباء الأشعة، حيث تم ملاحظة انخفاض بنسبة 50% في متوسط الوقت المطلوب لتفسير الصور وإعداد التقارير. يتمتع NV-Reason-CT أيضًا بقدرة على تقديم تشخيصات تفريقية وملاحظات قابلة للمراجعة، مما يعكس التطور الكبير في مجال التصوير الطبي.

مع إطلاق هذا النموذج وكود التدريب المصاحب، يُفتح المجال أمام الباحثين لاستكشاف مزيد من التطبيقات المستقبلية للذكاء الاصطناعي القابل للتفسير في مجال التصوير الطبي الحجمي. كيف تعتقد أن هذا النموذج ستُؤثر على مستقبل تحليل الأشعة؟ شاركونا آرائكم في التعليقات!