مؤسسات بحثية سعودية تطور نموذجا لغويا يساعد الأطباء في تشخيص الأشعة الطبية باستخدام الذكاء الاصطناعي

كتب-محمد حلمى

أطلق مركز التميز المشترك لعلوم البيانات والذكاء الاصطناعي في الهيئة السعودية للبيانات والذكاء الاصطناعي "سدايا" وجامعة الملك عبدالله للعلوم والتقنية (كاوست)، نموذج MiniGPT-Med ، وهو نموذج لغوي ضخم متعدد الوسائط يساعد الأطباء في تشخيص الأشعة الطبية بسرعة ودقة عاليتين باستخدام تقنيات الذكاء الاصطناعي.

وقال رئيس الفريق العلمي في سدايا الذي عمل على إنشاء النموذج مستشار الذكاء الاصطناعي في المركز الوطني للذكاء الاصطناعي الدكتور أحمد بن زكي السنان: إن نموذج MiniGPT-Med تم تصميمه بطريقة تُتيح للمستخدم إدخال صور طبية إليه وإجراء عدد من المهام منها: توليد التقارير الطبية، والإجابة عن الأسئلة البصرية الطبية، والتحديد الوصفي للأمراض، واكتشاف موقع المرض، والتعرف على الأمراض، والوصف الطبي المستند.

وأضاف أنه تم تدريب النموذج على صور طبية مختلفة (الأشعة السينية، والأشعة المقطعية، والرنين المغناطيسي)، مبينًا أن التطورات الأخيرة في الذكاء الاصطناعي أسهمت في تطور مجال الرعاية الصحية خاصة في تحسين إجراءات التشخيص إلا أنها في كثير من الأحيان مقيدة بوظائف محدودة لذلك سيعمل نموذج MiniGPT-Med على معالجة هذا الأمر وهو مشتق من نماذج لغوية واسعة النطاق ومصمم خصيصًا للتطبيقات الطبية، ويُظهر تنوعًا ملحوظًا عبر طرق التصوير المختلفة، بما في ذلك الأشعة السينية والأشعة المقطعية والتصوير بالرنين المغناطيسي، مما يعزز فائدته.

ولفت الدكتور أحمد السنان النظر إلى أن نموذج MiniGPT-Med عمل عليه متخصصون في الذكاء الاصطناعي من سدايا ومن كاوست، ويحقق أداءً متطورًا في إنشاء التقارير الطبية أعلى من أفضل نموذج سابق بمعدل 19%، ويعد واجهة عامة لتشخيص الأشعة، مما يعزز كفاءة التشخيص عبر مجموعة واسعة من تطبيقات التصوير الطبي.

وشارك بالعمل على هذا المشروع مجموعة من مهندسات الذكاء الاصطناعي أبرزهن رنيم الناجم وأسماء الخالدي و ليان العبداللطيف و روان اليحيى وهذا يعكس دور العنصر النسائي بالتطور التقني المعتمد على الذكاء الاصطناعي إذ تشكل المهندسات النساء ما يزيد عن نصف مجمل مهندسي الذكاء بالمركز الوطني للذكاء الاصطناعي.

ومن جهته أفاد رئيس الفريق البحثي في كاوست البروفيسور محمد الحسيني أن النموذج قادر على أداء مهام مثل إنشاء التقارير الطبية والإجابة على الأسئلة المرئية (VQA) وتحديد المرض ضمن الصور الطبية، فيما تعمل المعالجة المتكاملة لكل من البيانات السريرية الصورية والنصية على تحسين دقة التشخيص بشكل متفوق في أسس المرض، وإنشاء التقارير الطبية، ومعايير VQA، مما يسهم في تطوير أداء ممارسة الأشعة.

ويمكن الاطلاع على نموذج MiniGPT-Med من خلال الرابط : https://github.com/Vision-CAIR/MiniGPT-Med