18/10/2024
قام باحثون في جامعة كاليفورنيا بلوس أنجلوس بتطوير نموذج ذكاء اصطناعي جديد يمكنه تحليل الصور الطبية ثلاثية الأبعاد للأمراض ببراعة في جزء بسيط من الوقت الذي قد يستغرقه أخصائي سريري بشري.
يقوم إطار التعلم العميق، المسمى SLIViT (SLice Integration by Vision Transformer) ، بتحليل الصور من طرق تصوير مختلفة، بما في ذلك عمليات مسح الشبكية ومقاطع الفيديو بالموجات فوق الصوتية والتصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي وغيرها، لتحديد المؤشرات الحيوية المحتملة لخطر المرض.
قال الدكتور إيرين هالبرين، خبير الطب الحاسوبي وأستاذ في جامعة كاليفورنيا بلوس أنجلوس والذي قاد الدراسة، إن النموذج دقيق للغاية عبر مجموعة واسعة من الأمراض، متفوقًا على العديد من نماذج الأساس Foundation Models الخاصة بالأمراض الموجودة. إنه يستخدم طريقة جديدة للتدريب المسبق والضبط الدقيق تعتمد على مجموعات بيانات عامة كبيرة يمكن الوصول إليها. ونتيجة لذلك، يعتقد هالبرين أنه يمكن نشر النموذج - بتكاليف منخفضة نسبيًا - لتحديد المؤشرات الحيوية المختلفة للأمراض، وإضفاء الطابع الديمقراطي على تحليل التصوير الطبي على مستوى الخبراء.
Researchers at have developed a new, -powered foundation model that can accurately analyze medical imagery, like MRIs and CT scans, in a fraction of the time it would otherwise take a human expert.
➡️ https://developer.nvidia.com/blog/ai-medical-imagery-model-offers-fast-cost-efficient-expert-analysis/
The model was pre-trained on publicly available, relatively inexpensive 2D imagery, and fine-tuned on a relatively small amounts of medical imagery, meaning it can potentially be an affordable and scalable model with widespread impact for different communities around the world.
The researchers found the model can do transfer learning across different types of organs and image modalities.
A retinal scan—or OCT— of an eye can improve the model’s ability to identify disease biomarkers in MRIs of livers, or other types of organs.
This -powered model can potentially democratize expert level analysis of 3D medical images.
UCLA Researchers: Dr. Eran Halperin and Dr. Oren Avram
