في خطوة جديدة ومثيرة ضمن مجال تصوير الدماغ، تم تقديم نموذج ReMAP-PET الذي يقدم نهجًا مبتكرًا لفهم معلومات الأيض المأخوذة من تقنية التصوير المقطعي بالإصدار البوزيتروني (PET). هذه التقنية تعد أساسية في تقييم الأمراض التنكسية العصبية، ولكن النماذج الثلاثية الأبعاد الحالية تعالج بيانات التصوير كما لو كانت معلومات حجمية عامة، مما يترك وراءها معلومات هامة تتعلق بتوزيع الأيض على مناطق معينة في الدماغ.

يعمل نموذج ReMAP-PET على معالجة هذه القيود من خلال استخدام مجموعة من التقنيات المتقدمة، بما في ذلك توجيه تعلم مُعَدّل لشبكة MedicalNet 3D ResNet-50، مما يمكّن النموذج من استيعاب المعاني الأيضية الأساسية المتعلقة بتصوير الدماغ باستخدام معايير النسبة المئوية للاستخدام المعياري (SUVR).

عند اختباره على 1015 عينة من بيانات PET الـ SUV، حقق ReMAP-PET نتائج مبهرة حيث بلغ معدل الخطأ المتوسط (MAE) 0.070 وحقق نسبة استرجاع 77.8%، متفوقًا على خمسة نماذج أساسية مُعَدّة مسبقًا. بالإضافة إلى ذلك، تم الربط بين تمثيلات الأيض ولغة السريرة من خلال محاذاة تباينية مع نموذج BioClinicalBERT المتجمد، مما يتيح توليد تقارير شاملة من بيانات PET.

تظهر النتائج أن التركيز على معاني الأيض الإقليمية بدلاً من معالجة معلومات PET كبيانات حجمية عامة يمكن أن تنتج تمثيلات هيكلية وسهلة الفهم ومتوافقة مع اللغات، مما يفتح آفاقًا جديدة لفهم بيانات PET بشكل أكثر دقة ووضوح.