إطار عمل موحد للكشف عن الآفات الطبية وتحليلها: ثورة في تقنيات التصوير الإشعاعي

في عالم الطب الحديث، تلعب تقنيات الذكاء الاصطناعي (AI) دوراً متزايد الأهمية، وخاصة في مجالات التصوير الطبي. في دراسة جديدة، تم تطوير إطار عمل موحد ثنائي الأبعاد للكشف عن الآفات الطبية، والذي يمثل تقدماً كبيراً في استخدام نماذج اللغات الكبيرة (Large Language Models).

اعتمد الفريق البحثي في دراسته على مجموعة بيانات ULS23 DeepLesion، حيث تم دمج النماذج اللغوية الكبيرة ضمن نموذج تحليل الآفات، مما أتاح للكشف عن الآفات، وأيضاً تحسين فعالية تجزئة الآفات (lesion segmentation) وإنتاج تقارير إشعاعية مختصرة.

خلال مرحلة الاختبار، حقق البحث دقة ملحوظة في اكتشاف حدود الآفات، حيث سجلت قيم المعيار المتوسط (mAP50) 70.1%، و( المعيار المتوسط من 50-95) 46.4%. كما أن أداء تجزئة الآفات حقق نسبة إحراز (Dice score) بلغت 62.6%.

أما بالنسبة لإنتاج التقارير القصيرة، فقد حصل الإطار الجديد على دقة مذهلة بمعدل BLEU_1 بلغ 64.3%، وBLEU_4 عند 49.6%. وتضافر جميع هذه العوامل لتحسين دقة التجزئة بنسبة 28.5% مقارنةً بنموذج nnUNet.

وبهدف تعزيز وظيفة الإبلاغ، تم دمج السياق المكاني والتشريحي في عملية إنتاج التقارير القصيرة من مجموعة بيانات DeepLesion الأصلية التي أُعلنت عبر Github، ما يُعتبر إنجازاً آخر للبحث. هذه التطورات تبشر بعهد جديد من الدقة والسرعة في تحليل البيانات الطبية، مما قد يُغيّر شكل الممارسات في مجال الطب الإشعاعي في المستقبل القريب.