في خطوة رائدة نحو تحسين قدرات الذكاء الاصطناعي في المجال الطبي، أعلن فريق من الباحثين عن مشروعهم الجديد "أوبهيكوس"، وهو إطار متنوع يهدف إلى تحسين عملية التفكيك والتشخيص للصور الطبية. على الرغم من تقدم نماذج التعلم اللغوي الكبيرة (MLLMs) في توليد سلاسل منطقية خطوة بخطوة، إلا أنها لا تزال تواجه تحديات في التعامل مع المهام السريرية المعقدة التي تحتاج إلى تركيز ديناميكي على مناطق بصرية دقيقة.

يتميز أوبهيكوس بقدرته على اتخاذ قرارات مستنيرة بشأن متطلبات الأدلة البصرية الدقيقة. يتضمن ذلك تحديد الأماكن المثلى لاستكشاف المحتوى البصري ضمن الصورة الطبية ودمج المحتوى الفرعي ذي الصلة في سلسلة تفكير متعددة الوسائط. يهدف هذا إلى إجراء تقسيم دقيق وتحقيق تشخيص موثوق.

يتبنى الإطار أسلوب تدريب مكون من ثلاث مراحل: أولاً، تدريب أولي لاختيار الأدوات الأساسية؛ ثانياً، تحسين ذاتي لتعزيز عملية مراجعة القرارات؛ وثالثاً، تعلم تعزيز عبر أدوات وكيل لتحفيز سلوكيات تشخيصية مشابهة للخبراء. أظهرت التجارب الواسعة أن أوبهيكوس يتفوق باستمرار على طرق النمذجة السائدة، سواء كانت مغلقة المصدر أو مفتوحة، عبر معايير طبية متنوعة، بما في ذلك الأسئلة والتقييمات والتقسيم بناءً على التفكير.

تعرف على المزيد حول أوبهيكوس وكيف يساهم في تقديم تشخيصات أكثر دقة في هذا المجال المتنامي من خلال زيارة كود المشروع المتوفر على GitHub.