الأول في العالم! جامعة تسينغهوا/جامعة شنغهاي جياوتونغ وآخرون يبنون بشكل مشترك نموذجًا لغويًا بصريًا كبيرًا لتشخيص مرض السكري وعلاجه، نُشر في مجلة Nature
يعد مرض السكري أسرع الأمراض المزمنة الرئيسية نمواً في العالم. يمكن أن يسبب العمى، والفشل الكلوي، والبتر، والسكتة الدماغية، واحتشاء عضلة القلب، وما إلى ذلك. كما أنه يرتبط ارتباطًا وثيقًا بعدوى الورم. ومن بينها، يعد اعتلال الشبكية السكري (DR) من أكثر المضاعفات الدقيقة التقدمية شيوعًا في مرضى السكري.قادر على التأثير على مرضى السكري بـ 30-40%.
والأمر الأكثر أهمية هو أن وجود اعتلال الشبكية السكري يشير أيضًا إلى زيادة خطر حدوث مضاعفات أخرى (مثل أمراض الكلى والقلب والدماغ)، لذلك يوصى بإجراء فحص اعتلال الشبكية السكري بشكل منتظم كجزء أساسي من الرعاية الأولية لمرض السكري. ومع ذلك، بسبب نقص البنية التحتية والموارد البشرية، فضلاً عن التكاليف المرتفعة،غالبًا ما يتم إهمال فحص اعتلال الشبكية السكري في البلدان المنخفضة والمتوسطة الدخل.
في السنوات الأخيرة، لعبت الذكاء الاصطناعي، وخاصة التعلم العميق، دورًا متزايد الأهمية في إدارة مرض السكري ومضاعفاته. ومع ذلك، ركزت الحلول السابقة عادة على منطقة واحدة من فحص مضاعفات مرض السكري أو الإدارة المساعدة، ونادرا ما كانت تدمج كلا الجانبين المهمين في وقت واحد. إن كيفية دمج التوليد التلقائي لآراء تشخيص وعلاج مرض السكري بشكل فعال مع التشخيص الدقيق لمضاعفات العين السكرية، ومن ثم بناء نموذج ذكي متعدد الوسائط آمن وقابل للتحكم لدعم أطباء الرعاية الأولية في تقديم خدمات التشخيص والعلاج المساعدة في مكان واحد، هو الاتجاه المتطور الحالي والتحدي المهم في المجال الطبي الدولي.
وفي هذا السياق، عمل فريق البروفيسور هوانغ تيانين، نائب رئيس الجامعة ومدير كلية الطب بجامعة تسينغهوا، وفريق البروفيسور شنغ بين، قسم علوم الكمبيوتر، كلية الهندسة الكهربائية، جامعة شنغهاي جياو تونغ/المختبر الرئيسي للذكاء الاصطناعي التابع لوزارة التعليم، وفريق البروفيسور جيا ويبينغ والبروفيسور لي هواتينج، مستشفى الشعب السادس التابع لكلية الطب بجامعة شنغهاي جياو تونغ، وفريق البروفيسور تشين يوزونغ، من الجامعة الوطنية في سنغافورة ومركز سنغافورة الوطني للعيون، معًا من أجلتم بنجاح بناء أول نظام متكامل لنموذج اللغة المرئية الكبيرة في العالم DeepDR-LLM لتشخيص وعلاج مرض السكري.
وقد تم نشر نتائج البحث ذات الصلة في مجلة Nature Medicine تحت عنوان "نماذج التعلم العميق القائمة على الصور المتكاملة واللغة لرعاية مرضى السكري الأولية".
يجمع نظام DeepDR-LLM بين نموذج لغوي كبير وتقنية التعلم العميق المستندة إلى صور قاع العين لتزويد أطباء الرعاية الأولية بنصائح شخصية لإدارة مرض السكري ونتائج التشخيص المساعدة لاعتلال الشبكية السكري.وقد تم التحقق من صحة النظام بأثر رجعي في دراسة متعددة المراكز شملت سبع دول في ثلاث مناطق رئيسية: آسيا، وأفريقيا، وأوروبا.وقد تم التحقق من ذلك أيضًا من خلال أبحاث واقعية مستقبلية في سيناريوهات الرعاية الصحية الأولية في الصين، مما يوفر لأول مرة أدلة عالية الجودة قائمة على الأدلة حول تأثيرات تطبيق النماذج الكبيرة متعددة الوسائط في المجال الرأسي للرعاية الطبية لمرضى السكري. ومن المتوقع أن يعمل نظام DeepDR-LLM على تحسين إدارة مرض السكري الأساسي وفحص DR بشكل كبير في البلدان المنخفضة والمتوسطة الدخل، وتوفير حل رقمي ثوري لإدارة مرض السكري العالمية في المستقبل.
أبرز الأبحاث:
* اقترحت هذه الدراسة بشكل مبتكر تقنية التحسين التعاوني لمحول الاندماج (Adaptor) والتكيف منخفض الرتبة (Low-Rank Adaptation، LoRA).
* تقدم وحدة DeepDR-Transformer بنية نموذج Transformer ويتم تدريبها على أكثر من 500000 صورة لقاع العين للكشف بدقة عن جودة صورة قاع العين، وآفات القطاعات، وإجراء تشخيص تصنيف DR
* بعد دمج نظام DeepDR-LLM في عملية تشخيص وعلاج مرض السكري، فإنه يمكن أن يحسن بشكل كبير سلوك الإدارة الذاتية لمرضى السكري الذين تم تشخيصهم حديثًا ويزيد من امتثال مرضى DR للإحالة
عنوان الورقة:
https://www.nature.com/articles/s41591-024-03139-8
اتبع الحساب الرسمي ورد على "تشخيص وعلاج مرض السكري LLM" للحصول على ملف PDF كامل
عنوان تنزيل مجموعة البيانات:
يجمع المشروع المفتوح المصدر "awesome-ai4s" أكثر من مائة تفسير ورقي لـ AI4S ويوفر مجموعات وأدوات ضخمة من البيانات:
https://github.com/hyperai/awesome-ai4s
مجموعات البيانات: 14 مجموعة بيانات مقطعية مستقلة
شملت هذه الدراسة 14 مجموعة بيانات مقطعية مستقلة.يحتوي على 7 صور قياسية لقاع العين لمرضى السكري و7 مجموعات بيانات مقطعية مستقلة لصور قاع العين المحمولة. بالنسبة لمجموعات البيانات الخاصة بصور قاع العين القياسية، تم استخدام مجموعتين من البيانات لتطوير وحدة DeepDR-Transformer والتحقق منها داخليًا، وهما: مجموعة نموذج شنغهاي المتكامل (SIM) ومجموعة برنامج شنغهاي للوقاية من مرض السكري (SDPP).
أيضًا،وقد اختارت الدراسة أيضًا 12 مجموعة بيانات متعددة الأعراق للتحقق الخارجي.وهي: مجموعة مشروع فحص السكري في نيكاراجوا (NDSP)، ومجموعة دراسة تطور اعتلال الشبكية السكري (DRPS)، ومجموعة إدارة الصحة في ووهان تونغجي (WTHM)، ومجموعة إدارة السكري في كلية بكين الطبية (PUDM)، ومجموعة دراسة مضاعفات السكري الوطنية في الصين (CNDCS)، ومجموعة دراسة عيون مرضى السكري في قوانغتشو (GDES)، ومجموعة جامعة هونج كونج الصينية - اعتلال الشبكية السكري الذي يهدد البصر (CUHK-STD)، ومجموعة دراسة وبائيات أمراض العيون في سنغافورة (SEED)، ومجموعة مشروع فحص اعتلال الشبكية السكري الوطني في سنغافورة (SiDRP)، ومجموعة دراسة وبائيات اعتلال الشبكية السكري والجينات الجزيئية في سانكارا نيسرا (SN-DREAMS)، ومجموعة مشروع فحص اعتلال الشبكية السكري الوطني في تايلاند (TNDRSP)، والبنك الحيوي في المملكة المتحدة. (UKB) المجموعة.
تم استخدام ست مجموعات بيانات إضافية للتحقق الخارجي:مجموعة دراسة فحص اعتلال الشبكية السكري المحمولة الصينية - الشرق (CPSSDRE)، ومجموعة دراسة فحص اعتلال الشبكية السكري المحمولة الصينية - الوسطى (CPSSDRM)، ومجموعة دراسة فحص اعتلال الشبكية السكري المحمولة الصينية - الغرب (CPSSDRW)، ومجموعة دراسة فحص اعتلال الشبكية السكري المحمولة الصينية - الشمال الشرقي (CPSSDRN)، ومجموعة دراسة اعتلال الشبكية السكري الجزائرية (ADRS)، ومجموعة دراسة اعتلال الشبكية السكري في أوزبكستان (UDRS).
تم الحصول على مجموعات CPSSDRE وCPSSDRM وCPSSDRW وCPSSDRN من مشروع فحص DR في العالم الحقيقي الذي سهلته Phoebusmed. بالنسبة لمجموعات بيانات ADRS وUDRS، تم تجنيد المشاركين في مناطق الجزائر وأوزبكستان على التوالي، وتم التقاط صور قاع العين باستخدام مجموعة متنوعة من كاميرات قاع العين المكتبية والمحمولة من Canon وTopcon وCarl Zeiss وOptomed وMicroClear.
هندسة النموذج: يتكون DeepDR-LLM من وحدتين: LLM وDeepDR-Transformer
يتكون نظام DeepDR-LLM من وحدتين، كما هو موضح في الشكل التالي:
* الوحدة الأولى (وحدة الماجستير في القانون)،تقديم المشورة الإدارية الشخصية للمرضى المصابين بالسكري؛
* الوحدة الثانية (وحدة DeepDR-Transformer)،تقييم جودة الصورة وتقسيم الآفة وتصنيف قاع العين من صور قاع العين القياسية أو المحمولة.
الإشراف على ضبط وحدة الماجستير في القانون
أولاً، قام الباحثون بتطوير وحدة LLM من خلال ضبط LLaMA.
الوحدة الأولى هي نموذج ماجستير في القانون معزز بمعرفة المجال، والذي يهدف إلى صياغة توصيات لإدارة مرض السكري بناءً على البيانات الوصفية السريرية المختلفة مثل التاريخ الطبي والفحص البدني والاختبارات المعملية ونتائج تشخيص DR و DME. لم يكن برنامج الماجستير في القانون الأولي (LLAMA) فعالاً بشكل مباشر في توليد توصيات لإدارة مرض السكري بسبب نقص المعرفة الخاصة بالمجال.
ونظرا لهذه الفجوة،قام الباحثون بتطوير طريقة ضبط دقيقة خاضعة للإشراف لدمج المعرفة المتعلقة بإدارة مرض السكري في عملية تدريب الماجستير في القانون.يمكن أن يعزز هذا النهج قدرة النموذج على إنشاء توصيات لإدارة مرض السكري من خلال إضافة المعرفة المجالية الضرورية إلى برنامج الماجستير في القانون الأساسي. تتكون مجموعة البيانات الخاصة بالضبط الدقيق الخاضع للإشراف من 371,763 زوجًا من البيانات السريرية التي تم الحصول عليها بأثر رجعي من 267,730 مشاركًا في مستشفى الشعب السادس في شنغهاي ومصحة هوادونج، بالإضافة إلى توصيات الإدارة من العالم الحقيقي، والتي تم إخفاء هويتها بعد الجمع.
نظرًا لأن جميع المعلمات (أي الأوزان الأصلية لـ LLM) يتم تحديثها أثناء الضبط الدقيق لـ LLM، فمن الواضح أن هذا ليس الأمثل من حيث الكفاءة.واقترح فريق البحث بشكل مبتكر تقنية تحسين التعاون باستخدام محول الاندماج (Adaptor) والتكيف منخفض الرتبة (LoRA).تم إنشاء نموذج DeepDR-LLM الكبير المتعدد الوسائط، والذي يمكنه التكيف مع نماذج اللغة الكبيرة بما في ذلك LLaMA. تقوم وحدة LLM بدمج طبقة شبكة التدريب مع معلمات الوزن المتأصلة في نموذج اللغة الكبير، مما يؤدي إلى اختراق عنق الزجاجة لتحسين النموذج الكبير متعدد الوسائط في ظل قيود موارد طاقة الحوسبة المنخفضة.
تطوير وتدريب وحدة DeepDR-Transformer
يمكن استخدام الوحدة الثانية كأداة لتحليل صور قاع العين في الوحدة الأولى للتنبؤ بـ DR، وبالتالي،واقترح الباحثون نموذجًا منفصلًا يسمى DeepDR-Transformer.يمكن للنموذج استخراج ميزات مختلفة من صور قاع العين بعد ضبطها على مهمة محددة.
استخدم الباحثون صور قاع العين القياسية لتدريب DeepDR-Transformer على أربع مهام: نموذج تقييم جودة الصورة (تحديد قابلية التقييم)، ونموذج التنبؤ بتصنيف قاع العين، ونموذج التنبؤ بـ DME (تحديد ما إذا كان موجودًا)، ونموذج تقسيم الآفة (تمدد الأوعية الدموية الدقيقة، والنزيف، وبقع الصوف القطني، والإفرازات الصلبة). بالنسبة لكل نموذج، قام الباحثون بتحميل الأوزان المدربة مسبقًا من ImageNet ثم قاموا بإجراء ضبط دقيق من البداية إلى النهاية.
دمج الوحدتين الأولى والثانية
يحتوي نظام DeepDR-LLM على وضعين: الوحدة المتكاملة I والوحدة II.
في نموذج متكامل بمشاركة الطبيب،يمكن أن تساعد مخرجات الوحدة الثانية (أي، إمكانية تصنيف صورة قاع العين؛ وتقسيم آفة تمدد الأوعية الدموية الدقيقة، وبقع الصوف القطني، والإفرازات الصلبة، والنزيف؛ ودرجة DR؛ ودرجة DME) الأطباء في توليد نتائج تشخيص DR/DME (أي، إمكانية تصنيف صورة قاع العين، ودرجة DR، ودرجة DME، ووجود أو غياب الآفة).
في وضع التكامل الآلي،تتضمن نتائج تشخيص اعتلال الشبكية السكري/اعتلال الشبكية السكري الوراثي تصنيف صورة قاع العين، وتصنيف اعتلال الشبكية السكري، وتصنيف اعتلال الشبكية السكري الوراثي مقسمًا حسب الوحدة الثانية، ووجود آفات مقسمة حسب الوحدة الثانية. سيتم إدخال نتائج تشخيص DR/DME والبيانات السريرية الأخرى في الوحدة الأولى لتوليد توصيات إدارة مخصصة لمرضى السكري.
نتائج البحث: يمكن لنظام DeepDR-LLM تحسين قدرات فحص DR على مستوى القاعدة الشعبية ومستويات تشخيص وعلاج مرض السكري
ودعا فريق البحث البروفيسورة جوليانا سي إن تشان من الجامعة الصينية في هونج كونج، والبروفيسور باو يوتشيان من مستشفى الشعب السادس التابع لكلية الطب بجامعة شنغهاي جياو تونغ، والبروفيسور جوناثان إي. شو من معهد بيكر للقلب والسكري في أستراليا، والبروفيسور جاستن بي. إيشوفو-تشيوجي من جامعة جونز هوبكنز في الولايات المتحدة، والبروفيسور جافين سيو وي تان من المركز الوطني للعيون في سنغافورة وعلماء آخرين مشهورين في التخصصات المتعلقة بمرض السكري لتشكيل لجنة خبراء دولية متعددة التخصصات.
وقد قامت اللجنة المتخصصة باختيار 100 عينة حالة بشكل عشوائي من مجموعة دراسة المضاعفات المزمنة لمرض السكري في الصين والتي تغطي 31 مقاطعة ومنطقة في الصين، وشكلت إجماعًا بشأن التشخيص والعلاج لكل حالة. تم استخدام هذا كإجابة قياسية لإجراء تسجيل أعمى لآراء التشخيص والعلاج المقدمة من نظام DeepDR-LLM وأطباء الرعاية الأولية (PCPs).
أولاً، قدرة نظام DeepDR-LLM على تقديم المشورة بشأن إدارة مرض السكري باللغتين الصينية والإنجليزية.يوضح الشكل أدناه نتائج تقييم توصيات إدارة مرض السكري التي تم إنشاؤها بواسطة أربع طرق مختلفة (DeepDR-LLM، وLLaMA، وPCP، والطبيب المقيم) في ثلاثة مجالات مختلفة باللغتين الإنجليزية والصينية: مدى المحتوى غير المناسب، ومدى المحتوى المفقود، واحتمال الضرر المحتمل.
باللغة الإنجليزية،تم اعتبار توصيات DeepDR-LLM الخاصة بـ 71% خالية من المحتوى غير المناسب، وهي أعلى من توصيات LLaMA (51%) ولكنها قابلة للمقارنة مع توصيات PCP (71%). بالإضافة إلى ذلك، تم اعتبار اقتراح DeepDR-LLM الخاص بـ 36% خاليًا من أي محتوى مفقود (PCP: 27%). أخيرًا، تم تصنيف توصيات DeepDR-LLM الخاصة بـ 57% على أنها "احتمالية منخفضة" للتسبب في الضرر، وهو ما يمكن مقارنته بـ 55% الخاصة بـ PCP.
باللغة الصينية،تم اعتبار توصيات DeepDR-LLM الخاصة بـ 77% خالية من المحتوى غير المناسب، وهو ما كان أعلى من LLaMA (66%) وPCP (54%). بالإضافة إلى ذلك، تم اعتبار 63% من توصيات DeepDR-LLM خالية من المحتوى المفقود، في حين كانت توصيات PCP 46%. تم تصنيف توصيات DeepDR-LLM الخاصة بـ 88% على أنها "احتمالية منخفضة" للتسبب في الضرر، في حين تم تصنيف PCP على أنها 60%.
يوضح الشكل أدناه النتيجة الإجمالية (المعرفة كمجموع الدرجات الخاصة بالمجال) لتوصيات الإدارة التي تم إنشاؤها بأربع طرق مختلفة.باللغة الإنجليزية،كانت توصيات الإدارة التي قدمتها DeepDR-LLM أفضل بشكل ملحوظ من تلك التي قدمتها LLaMA (P < 0.001) وقابلة للمقارنة مع تلك التي قدمها أطباء الرعاية الأولية وسكان الغدد الصماء.
باللغة الصينية،قدمت دراسة DeepDR-LLM توصيات الإدارة بشكل أفضل بكثير من دراسة LLaMA (P < 0.001) وPCPs (P = 0.010)، ولكنها قابلة للمقارنة مع دراسة المقيمين في الغدد الصماء. بعبارة أخرى،إن جودة آراء التشخيص والعلاج التي يقدمها نظام DeepDR-LLM تصل إلى أو تتجاوز جودة آراء أطباء الرعاية الأولية.
وبعد ذلك، أجرى الباحثون اختبارات خارجية على نظام DeepDR-LLM باستخدام أكثر من 500 ألف صورة لقاع العين من ست دول، بما في ذلك بكين وشنغهاي وقوانغتشو وووهان وهونغ كونغ في الصين، وسنغافورة والهند وتايلاند والمملكة المتحدة والجزائر وأوزبكستان.
لتقييم فعالية DeepDR-Transformer كأداة مساعدة لأطباء الرعاية الأولية والمصنفين غير الأطباء المتخصصين (الذين يتم استخدامهم حاليًا في العديد من برامج فحص اعتلال الشبكية السكري، مثل المملكة المتحدة وسنغافورة وفيتنام) في تحديد اعتلال الشبكية السكري القابل للإحالة.قام الباحثون بتقييم دقة وكفاءة الوقت لعملية التصنيف مع وبدون مساعدة وحدة DeepDR-Transformer.كما هو موضح في الشكل التالي:
تظهر النتائج أن نطاق حساسية PCP غير المساعد هو 37.2%-81.6%، وبمساعدة DeepDR-Transformer، تم تحسين النطاق إلى 78.0%-98.4%. وبالمثل، تم تحسين الخصوصية من 84.4%-94.8% الأصلية (بدون مساعدة) إلى 90.4%-98.8% (مساعدة).
بالإضافة إلى ذلك، بمساعدة DeepDR-Transformer،تم تقليل متوسط الوقت المطلوب للتقييم من 14.66 ثانية إلى 11.31 ثانية لكل عين——يظهر هذا أن النظام قد حسّن بشكل كبير دقة وكفاءة تصنيف DR، ويمكن أن تصل قدرته التشخيصية حتى إلى مستوى أطباء العيون المحترفين.
بالإضافة إلى ذلك، قام فريق البحث بتطبيق نظام DeepDR-LLM المتكامل على العمليات السريرية في العالم الحقيقي وأجرى دراسة مستقبلية على 769 مريضًا صينيًا مصابًا بمرض السكري في الرعاية الأولية. وأظهرت النتائج أنه بعد دمج نظام DeepDR-LLM في عملية تشخيص وعلاج مرض السكري، فإنه يمكن أن يحسن بشكل كبير سلوك الإدارة الذاتية لمرضى السكري الذين تم تشخيصهم حديثًا ويزيد من امتثال مرضى DR للإحالة.
المساهمة بالحكمة الآسيوية في الإدارة الذكية لمرض السكري
يشكل الانتشار المتزايد لمرض السكري اليوم تحديًا كبيرًا للصحة العامة في الصين وحول العالم. يلعب الذكاء الاصطناعي، وخاصة التعلم العميق، دورًا متزايد الأهمية في إدارة مرض السكري ومضاعفاته. لقد عمل الخبراء من فريق جامعة تسينغهوا، وفريق جامعة شنغهاي جياو تونغ، والجامعة الوطنية في سنغافورة، وفريق مركز سنغافورة الوطني للعيون المذكور أعلاه في هذا المجال لسنوات عديدة.
في عام 2017، أجرى البروفيسور هوانغ تيانين، المدير الطبي لمركز سنغافورة الوطني للعيون، وفريقهتعد الشركة الأولى في العالم في تحقيق التشخيص التلقائي لحالات اعتلال الشبكية السكري المتوسطة إلى الشديدة في السكان متعددي الأعراق بناءً على خوارزميات التعلم العميق.ونشرت النتائج في مجلة الجمعية الطبية الأمريكية (JAMA)، وهو ما يعد إنجازا بارزا في تاريخ تطوير الطب الذكي.
في عام 2018، قامت فرق البروفيسور جيا وي بينج والبروفيسور لي هواتينج بتنفيذ ابتكار تعاوني في المجالات الطبية والهندسية مع فريق البروفيسور شنغ بين من كلية المعلومات الإلكترونية والهندسة الكهربائية بجامعة شنغهاي جياو تونغ، وانضمت إلى مؤسسات أكاديمية دولية مرموقة مثل المركز الوطني للعيون في سنغافورة. وبدعم من لجنة العلوم والتكنولوجيا في شنغهاي وجامعة جياو تونغ في شنغهاي، تمت الموافقة على إنشاء مختبر شنغهاي الدولي المشترك "الحزام والطريق" للوقاية والسيطرة الذكية على الأمراض المرتبطة بالتمثيل الغذائي، والذي يلتزم بتنفيذ تعاون واسع النطاق بين الطب والهندسة والدول في مجال الوقاية والسيطرة الذكية على الأمراض المرتبطة بالتمثيل الغذائي.
منذ إنشائه، قام المختبر المشترك بتحليل ملايين البيانات.تم تطوير نظام التعلم العميق متعدد المهام المعزز بالنقل DeepDR،يمكنه تحقيق التشخيص التلقائي لكامل مسار اعتلال الشبكية السكري من الآفات الخفيفة إلى الآفات التكاثرية، ويمكنه تقديم ملاحظات في الوقت الفعلي حول جودة صور قاع العين وتحديد آفات قاع العين وتقسيمها. وتستخدم هذه التقنية أيضًا في "مشروع فحص اعتلال الشبكية السكري العالمي في البلدان المنخفضة والمتوسطة الدخل" التابع للاتحاد الدولي للسكري، وتم الترويج لها في 48 دولة. .
نُشرت هذه النتيجة في مجلة Nature Communications في عام 2021 تحت عنوان "نظام التعلم العميق للكشف عن اعتلال الشبكية السكري عبر طيف المرض".
* رابط الورقة:
https://www.nature.com/articles/s41467-021-23458-5
في نهاية عام 2021، تم تعيين البروفيسور هوانغ تيانين من قبل جامعة تسينغهوا كأستاذ رئيس وقائد للتخصص الطبي، وأجرى بنشاط أبحاثًا ترجمية حول التشخيص والعلاج المدعوم بالذكاء الاصطناعي لمرض السكري ومضاعفات أمراض العيون. من خلال البحث التعاوني المستمر، نجح المختبر المشترك وفريق البروفيسور هوانغ تيان ين في جامعة تسينغهوا في بناء نظام التعلم العميق DeepDR Plus استنادًا إلى نموذج توزيع خليط Weibull، متجاوزًا التكنولوجيا الرائدة السابقة في هذا المجال من قبل فريق Google الأمريكي. وهو الأول في العالم الذي يحقق تحذير المخاطر والتنبؤ بتقدم اعتلال الشبكية السكري لمدة تصل إلى 5 سنوات، ويمكنه الحفاظ على معدل تشخيص فائت منخفض للغاية مع تقليل تكرار الفحص وتكاليف الصحة العامة بشكل كبير. ونشرت النتائج في مجلة Nature Medicine في يناير 2024.
باختصار، يمكن القول إن ميلاد DeepDR-LLM كان بمثابة "تتويج" لنتائج الأبحاث السابقة. بالالتزام بمفهوم الخير الموجه نحو الإنسان والذكاء، قدم الباحثون أساسًا عالي الجودة قائمًا على الأدلة للتغييرات المستقبلية في إدارة مرض السكري الأساسي، مما يتيح للحوكمة العالمية لمرض السكري الاندماج بشكل أفضل في اتجاه التحول الرقمي والذكاء والتخضير، والمساهمة بالحكمة الآسيوية في الحوكمة الذكية لمرض السكري.
مراجع:
1.https://mp.weixin.qq.com/s/MBtm0hY0gKE8NRQ8GfDy7A
2.https://www.nsfc.gov.cn/csc/20340/20343/68143/index.html
3.https://www.tsinghua.edu.cn/info/1182/112946.htm