في عالم الرعاية الصحية، تعتبر تجزئة الأورام من الأمور الحيوية التي تعتمد على دقة التصوير الطبي وتفسير الأطباء. لكن التحديات الكبيرة دائمًا ما كانت تظهر نتيجة عدم وضوح حدود الأورام والتفاوت بين آراء الأطباء. ولذلك، أُطلقت جهود سابقة لتطوير مهام تجزئة الصور الطبية بمشاركة عدة خبراء يقدمون تعليقات مخصصة لكل صورة.

ومع ذلك، ظلت النماذج الموجودة حائرة بين تقديم نتائج متنوعة تفتقر إلى دقة التخصص الذي يقدمه الخبراء، أو تقديم مخرجات مخصصة تمثل آراء فردية فقط. ولكن الآن، تمثل تقنية جديدة تُعرف باسم نموذج التجزئة الاحتمالية للأورام (ProSeg) الحل الأمثل.

يقوم نموذج ProSeg بتقديم نهج ثوري يجمع بين التنوع والتخصيص، حيث يعتمد على استخدام متغيرين كامنين يعملان على تمثيل تفضيلات خبراء التعليقات وغموض حدود الأورام. وبفضل تطبيق تقنية الاستدلال المتغير، يمكن إنتاج نتائج التجزئة من خلال أخذ عينات من توزيعات احتمالية مشروطة.

وقد أثبتت تجاربنا المكثفة على مجموعتي بيانات سرطان البلعوم الأنفي (NPC) وعقدة الرئة (LIDC-IDRI) أن نموذج ProSeg يحقق أداءً رائدًا في هذا المجال، حيث يوفر نتائج تجزئة ليست متنوعة فحسب، بل تتميز أيضًا بتخصيص متميز يتماشى مع خبرة الأطباء.

هذه الابتكارات تمثل خطوة حقيقية نحو تعزيز دقة تشخيص الأورام وتقديم رعاية أفضل للمرضى، مما يفتح آفاقًا جديدة في مجال الذكاء الاصطناعي في الرعاية الصحية.