خلال السنوات الأخيرة، شهدت تطورات كبيرة في مجال توليد التقارير الإشعاعية (Radiology Report Generation - RRG)، غير أن الأساليب الحالية تعتمد بشكل أساسي على دمج الخصائص بشكل مباشر عند التعامل مع صور الأشعة السينية متعددة الرؤى. هذه الطرق تتجاهل الوضع السريري الذي قد يؤدي إلى وجود تناقضات وعدم دقة إذا ما تم معالجة الرؤى المختلفة من قبل نموذج واحد، مما قد يؤثر سلبًا على الأداء وموثوقية النتائج السريرية.

استجابةً لهذه التحديات، نقدم تقنية View-PNDF (الكشف عن الأعصاب النمطية الخاصة بالرؤية والتخصيص الدقيق)، وهي إطار عمل كفؤ من حيث المعلمات يعمل على تعزيز توليد التقارير بطريقة منسقة، تستند إلى وظيفة الأعصاب.

يتضمن View-PNDF ثلاثة مكونات رئيسية:
1. **وحدة كشف الأعصاب الخاصة بالرؤية** - التي تحدد الأعصاب المخصصة لكل رؤية.
2. **وحدة التحقق** - التي تقوم بتقييم وجود هذه الأعصاب.
3. **استراتيجية التخصيص الانتقائي** - التي تدعم الأعصاب التي تم كشفها مع الحفاظ على التمثيلات المحايدة للرؤية.

من خلال تحديث الأعصاب الخاصة بالرؤى فقط، تمكنت View-PNDF من تحقيق تشخيصات متسقة عبر رؤى متعددة مع تقليل التكاليف الحاسوبية. لنكمل، نتعاون مع نماذج اللغات الضخمة (Large Language Models - LLMs) لتجميع التقارير الخاصة بكل رؤية في تقرير إشعاعي شامل. كما نستخدم مقاييس التقييم التقليدية لتوليد اللغة الطبيعية (Natural Language Generation - NLG) على التقارير المدمجة للمقارنة ومعايير التقييم المستندة إلى LLMs (مثل GPT-4) على التقارير الخاصة بالرؤية لالتقاط الأهمية السريرية.

أثبتت التجارب الواسعة على معيارين طبيين خاصين بتوليد التقارير الإشعاعية أن تقنية View-PNDF تعزز بشكل كبير جودة توليد تقارير الأشعة السينية الخاصة بالرؤية مع الحفاظ على أداء قوي على مستوى التمثيل العام.

وربما يكون هذا التطور هو الخطوة التالية نحو تحقيق دقة وموثوقية أعلى في مجال التقارير الإشعاعية، مما يمهد الطريق لتحسين رعاية المرضى.