مع ظهور نماذج المؤسس (Foundation Models)، بدأت حقبة جديدة من الذكاء الاصطناعي في مجالات الطب، حيث بات بالإمكان استخلاص تمثيلات عامة من مجموعات بيانات ضخمة وغير موسومة. ولكن على الرغم من هذه التطورات، لا تزال معظم تقنيات الذكاء الاصطناعي في مجال طب العيون محدودة في قدراتها على معالجة الأنماط المفردة، مما يتعارض مع الممارسات السريرية التي تعتمد على دمج أشكال التصوير المختلفة.

يأتي نموذج Ophthalmic multimodal Masked Autoencoder المعروف بـ OphMAE، ليحدث تحولاً جذرياً في هذا المجال. حيث يربط بين عمق التصوير ثلاثي الأبعاد باستخدام تكنولوجيا Optical Coherence Tomography (OCT) والسياق الثنائي الأبعاد لتصوير OCT. ويعتمد هذا النموذج على هيكل فريد للدمج بين الأنماط ورؤية تكيفية مبتكرة، تمثل الأساس لعملية التعلم التطبيقي.

تم إطلاق نموذج OphMAE بعد تدريبه على قاعدة بيانات ضخمة تحتوي على 183,875 صورة OCT مأخوذة من 32,765 مريض. وقد أظهر في الاختبارات التي شملت 17 مهمة تشخيصية متنوعة، أداءً متقدماً بفضل دقته العالية، حيث حقق نسبة 96.9% في منطقة تحت المنحنى (AUC) لتشخيص الضمور البقعي الناتج عن التقدم في العمر، و97.2% لاعتلال الشبكية السكري.

الرائع في نموذج OphMAE أنه يحافظ على دقة عالية حتى عند استخدام مدخلات ثنائية الأبعاد، حيث حقق نسبة 93.7% AUC للضمور البقعي، كما أنه يتمتع بكفاءة استثنائية في استخدام البيانات، مما يسمح له بالاحتفاظ بفعالية تصل إلى 95.7% AUC باستخدام 500 عينة فقط.

يمثل OphMAE إطارًا قابلًا للتوسع والتكيف في مجال الذكاء الاصطناعي في طب العيون، مما يضمن أداءً متفوقًا عبر مهمات مختلفة. فكيف يمكن أن يغير هذا الابتكار مشهد طب العيون؟ شاركونا آراءكم في التعليقات!