بدء النموذج الأساسي للكشف عن المؤشرات الحيوية
نهج جديد لتعدد المهام لتدريب الذكاء الاصطناعي يتيح تدريب النماذج الأساسية بكفاءة من حيث التكلفة وبسرعة باستخدام الحد الأدنى من البيانات. وبهذه الطريقة، يتغلب الباحثون على ندرة البيانات في التصوير الطبي - وبالتالي يمكنهم إنقاذ الأرواح. وفقًا لمنظمة الصحة العالمية (WHO)، يتزايد عدد حالات الإصابة بالسرطان بشكل كبير في جميع أنحاء العالم. تُعد المؤشرات الواضحة، والمعروفة أيضًا باسم الواسمات الحيوية، أمرًا بالغ الأهمية للتشخيص الآمن والعلاج الناجح. تساهم أنظمة الذكاء الاصطناعي القابلة للتعلم في اكتشاف مثل هذه المعلمات القابلة للقياس في الصور المرضية. نجح باحثون من معهد فراونهوفر للطب الرقمي MEVIS، بالتعاون مع جامعة آخن التقنية (RWTH Aachen)، وجامعة ريغنسبورغ، وكلية هانوفر الطبية، في تطوير نموذج أساسي لهذا الغرض، يقوم بتحليل عينات الأنسجة بسرعة وموثوقية وكفاءة في استخدام الموارد باستخدام جزء صغير من مجموعات بيانات التدريب المعتادة. بعيدًا عن مجموعات البيانات الكبيرة والتعلم ذاتي الإشراف، يتم تدريب النماذج الأساسية التقليدية، مثل نماذج اللغة مثل ChatGPT، ذاتيًا باستخدام مجموعات بيانات كبيرة ومتنوعة. ومع ذلك، فإن هذه البيانات غير متوفرة في المجال الطبي...




