تشكل الأمراض النادرة تحديًا كبيرًا للصحة العامة، إذ تؤثر على ملايين الأفراد حول العالم، ويعد التشخيص المبكر أمرًا حيويًا لمواجهتها. معظم الأطباء يفتقرون إلى الخبرة السريرية المتخصصة اللازمة، مما يؤدي إلى تأخيرات طويلة في تحديد نوع المرض. لكن حالياً، أتى نموذج RaDaR (ملاح الأمراض النادرة - Rare Disease navigatoR) ليغير هذه المعادلة، فهو نموذج لغوي متقدم مصمم خصيصًا لتسريع عملية تشخيص هذه الأمراض بمساعدة الذكاء الاصطناعي.

يتضمن نموذج RaDaR 32 مليار معلمة (parameters) وتم تدريبه باستخدام 49,170 حالة نصية مجانية و104,666 حالة صناعية مع تعزيز التفكير. وقد أظهر RaDaR أداءً قويًا مقارنةً بمجموعة من النماذج مفتوحة المصدر، بما في ذلك النموذج العملاق DeepSeek-R1 الذي يحتوي على 671 مليار معلمة. في تجارب متعددة، أظهر RaDaR القدرة على تقدير التشخيص النهائي بشكل أسرع من الشكوك السريرية في 61.06% من الحالات، مما يوفر وقتًا محتملاً يصل إلى 1.87 شهر.

في تجربتي مساعدة الأطباء العشوائية، ساهم RaDaR في تحسين دقة تشخيص الأمراض النادرة بمعدل 21.44 نقطة مئوية عند مقارنتها بالبحث عبر الإنترنت فقط. وكانت النتائج مدعومة بشهادات من مراكز تقييم خارجية، مما يعكس قابلية التطبيق الواقعي للنموذج.

إجمالا، يعتبر RaDaR ونظامه الإطاري للتطوير والتحقق نموذجًا قابلًا للتطبيق للأمراض النادرة، مما يوفر أداة قيمة لتحسين دقة عمليات التشخيص في ظل نقص البيانات. إن الابتكارات المشبعة بالتفكير، مثل روايات مثبتة الظواهر، توفر إشارات تدريب مفيدة للأمراض النادرة التي تتسم بالندرة.

ما رأيكم في هذا التطور الثوري في عالم الذكاء الاصطناعي؟ شاركونا آرائكم وتجاربكم في التعليقات!