في عالم تشخيص الأمراض، تبرز أهمية الاعتماد على أدوات وتقنيات حديثة لضمان دقة النتائج. في دراسة جديدة نُشرت على موقع الأبحاث arXiv، تم تقديم طريقة مبتكرة تعتمد على نموذج تولمين للحجة (Toulmin Model of Argumentation) لتحسين تقييم تشخيصات الذكاء الاصطناعي (AI) المستندة إلى الصور.

يجمع هذا الإطار بين عدة مكونات رئيسية تتضمن الادعاءات والبراهين والدعائم، بطريقة منظمة تساهم في تعزيز الفهم والتقييم. فعلى سبيل المثال، في حالة وجود ادعاء بطبيعة تشخيصية تم توليدها بواسطة نموذج تعلم الآلة (ML)، يُفضل عدم الاكتفاء بمراجعة هذا الادعاء دون تحليل. هنا، يمكن استخدام طرق الذكاء الاصطناعي القابلة للتفسير (XAI) أو تبني مقاربة قائمة على الحجة.

تعمل نموذجنا على استخراج المؤشرات الحيوية من الصور، حيث يمثل هذا الجانب الأساس المنطقي (grounds) للادعاء. ويتم ربط هذا الأساس بالادعاء بواسطة وكيل مجهز بالمعرفة الطبية، وهو ما يتمثل في وكيل MedGemma في هيكلنا المعماري. تحدد المؤهلات (qualifier) بناءً على التقييم الكمي الشامل للنماذج ذات الصلة، بينما تُبنى المعارضة (rebuttal) باستخدام مقاييس تشابه الصور المحسوبة بواسطة MedSigLip.

وبهذه الطريقة، يتم تقديم جميع هذه المكونات إلى الخبير البشري، مما يمكنهم من إجراء تقييم أكثر وعياً ونقداً للتشخيصات الناتجة عن الذكاء الاصطناعي. هذه الطريقة ليست مجرد تحسين للنتائج، بل تمثل مرحلة جديدة في دمج التكنولوجيا مع الخبرة الطبية لتحقيق نتائج دقيقة وموثوقة.