طور باحثون في جامعة كاليفورنيا سان دييغو أداة ذكاء اصطناعي ثورية قادرة على تحليل الصور الطبية بدقة عالية باستخدام كمية بيانات مشروحة أقل بـ20 مرة مقارنة بالطرق التقليدية، ما يفتح الباب أمام تشخيص أسرع وأكثر كفاءة في العيادات الريفية والمستشفيات محدودة الموارد.
تحدي نقص البيانات الطبية
تحتاج نماذج التعلم العميق عادةً إلى آلاف الصور المشروحة لتدريب الذكاء الاصطناعي. لكن الحالات النادرة أو البيئات ذات الموارد المحدودة تجعل هذا الهدف صعب التحقيق. الأداة الجديدة تستطيع التعلم من أقل من 40 صورة فقط، مع الحفاظ على دقة تشخيصية توازي أو تتفوق على النماذج التقليدية.
توليد بيانات اصطناعية وتحسين مستمر
يعتمد النظام على دمج توليد الصور الصناعية والتحسين التكراري، حيث يبدأ بتحليل الأمثلة المحدودة المعلّقة من الخبراء، ثم يقوم بإنشاء صور اصطناعية تحاكي الأنسجة السليمة والمريضة. وتتيح دورة التغذية الراجعة للنظام تعديل استراتيجياته وتحسين الأداء بشكل مستمر.
اختبارات واسعة ومتنوعة
تم اختبار الأداة على مهام عدة، منها:
- التعرف على الآفات الجلدية.
- كشف أورام الثدي في الموجات فوق الصوتية.
- رسم أوعية المشيمة في المنظار الجنيني.
- اكتشاف سلائل القولون وتقرحات القدم.
كما نجحت التقنية في الصور ثلاثية الأبعاد مثل تجزئة الحصين والكبد في الرنين المغناطيسي، مع زيادة دقة التجزئة بنسبة 10–20% رغم استخدام بيانات أقل.
تمكين الأطباء وتوسيع الوصول للرعاية
يستطيع الطبيب استخدام النظام بسهولة، حيث يكفي تعليق 40 صورة فقط لتدريب الأداة على تحليل الصور الجديدة بدقة، ما يسهّل التشخيص السريع حتى في الوحدات الطبية المتنقلة والعيادات ذات الخبرة المحدودة.
أثر عالمي
يعد الابتكار خطوة نحو ديمقراطية التشخيص بالذكاء الاصطناعي، وتقليل التكاليف والجهد، مع دعم التعلم المستمر والتوافق مع مختلف الوسائط الطبية، ما يعزز الكشف المبكر عن الأمراض وتحسين النتائج الصحية عالمياً.
