من الرؤية الحاسوبية إلى الذكاء الاصطناعي الطبي، حوار مع شيه وييدي من جامعة شنغهاي جياو تونغ: تحديد المشكلة أهم من حلها

في عام 2012، "عام القيامة" الأسطوري، دشن الإنترنت عبر الهاتف المحمول فترة من النمو الهائل. ومع انتشار شبكات الجيل الثالث وانخفاض أسعار الهواتف الذكية، إلى جانب الارتفاع السريع في تطبيقات الاتصالات مثل WeChat و MiTalk، فضلاً عن تطبيقات التجارة الإلكترونية والدفع، حقق هذا المجال جولة جديدة من النمو. وباعتبارها الأساس لمختلف التطبيقات المبتكرة، تتمتع صناعة الاتصالات بآفاق واعدة للتطور.

قال شيه وي دي، الذي أكمل أربع سنوات من الدراسة الجامعية في جامعة بكين للبريد والاتصالات: "كنتُ أعتقد آنذاك أن تكنولوجيا الاتصالات كانت ناضجة للغاية، وأن الصين كانت في طليعة العالم في هذا المجال. كانت الخلافات الرئيسية بين الدول تدور حول بروتوكولات الاتصال، التي تجاوزت نطاق التكنولوجيا". عند مفترق طرق في حياته، اعترف بصراحة: "لم يعجبني هذا التخصص حقًا. وبالطبع، من الممكن أيضًا أنني لم أفهمه جيدًا".

وبعد ذلك مباشرة، اختار الدراسة في الخارج وتغيير مسار حياته المهنية. أكمل دراساته في الماجستير والدكتوراه وما بعد الدكتوراه وعمل في مجال الرؤية الحاسوبية في كلية لندن الجامعية (UCL) وجامعة أكسفورد. في عام 2022، عاد إلى الصين وانضم إلى جامعة شنغهاي جياو تونغ، ونقل تراكماته في مجال الرؤية الحاسوبية إلى الذكاء الاصطناعي الطبي، محاولًا فتح ساحة معركة جديدة.

ويمكن القول إن التحولين اللذين أجراهما البروفيسور شيه ويدي من الاتصالات إلى الرؤية الحاسوبية ومن الرؤية الحاسوبية إلى الذكاء الاصطناعي الطبي يشكلان أيضًا عقدتين مهمتين. إن التردد في اتخاذ القرار، والتحديات التي يفرضها التعامل مع مجالات جديدة، والشعور بالإنجاز بعد إعلان النتائج، كلها أبرز ما يميز سيرته الذاتية.

مؤخرًا، كان لشركة HyperAI شرف إجراء مقابلة معمقة مع البروفيسور Xie Weidi. وبناءً على تجربته الشخصية، شارك معنا تجربته في التحول من الرؤية الحاسوبية إلى الذكاء الاصطناعي للرعاية الصحية، كما أجرى تحليلًا معمقًا لاتجاهات تطوير الصناعة.

يمكن لأنظمة الذكاء الاصطناعي الطبية العامة أن تولد "ظهورًا ذكيًا"

"لا يفهم الكثير من الناس سبب رغبتي في تطوير نظام ذكاء اصطناعي طبي عام، في حين أن نماذج تشخيص الأمراض وعلاجها المحددة أكثر عملية بشكل واضح." اليوم، عندما تعمل النماذج الكبيرة على تمكين جميع مناحي الحياة، كان السؤال حول ما إذا كان ينبغي استخدام المنتجات المتخصصة أو العامة دائمًا محورًا للمناقشة في الصناعة. يمكن للنماذج المتخصصة أن تظهر دقة وعملية أعلى في مجالات محددة، ولكن قدرتها على التعميم محدودة. إن المعرفة الواسعة للنماذج العامة يمكن أن تربط بين مجالات مختلفة، ولكن قدراتها في مجالات محددة غالباً ما لا تكون جيدة مثل قدرات النماذج الملكية.

من وجهة نظر شي ويي دي، فإن النماذج المتخصصة والنماذج العامة لها مزاياها وعيوبها، "لكن تطوير نظام الذكاء الاصطناعي الطبي العام هو شيء يجب علينا القيام به". وهو يعتقد أنتعني العالمية أن النموذج يمكنه إنشاء اتصالات مخفية بين بيانات الوسائط المختلفة، وبالتالي توليد ما يسمى "ظهور الذكاء"، وهو أمر بالغ الأهمية لتشخيص الأمراض، وخاصة الأمراض ذات الأسباب غير الواضحة.على سبيل المثال، بالنسبة لمشكلة تصنيف الالتهاب الرئوي أ والالتهاب الرئوي ب، إذا تم استخدام الصور والنصوص للتدريب، فيمكن ربط هذه البيانات متعددة الوسائط على التوالي في الطبقة السفلية لتحديد أوجه التشابه والاختلاف بين أعراض الالتهاب الرئوي وتحقيق غرض التصنيف. ومع ذلك، إذا تم استخدام الصور فقط للتدريب، فقد لا تتمكن الشبكة من تعلم هذه العلاقة. "لذا، من وجهة نظر اكتشاف العلوم، فإن النموذج العالمي له قيمة كبيرة."

إذا كنت تريد بناء نموذج طبي عالمي متعدد الوسائط، فأنت بحاجة إلى حقن المعرفة الطبية فيه على أوسع نطاق ممكن. ومع ذلك، فإن البيانات في المجال الطبي تتأثر بالعديد من العوامل مثل الأخلاق والسلامة والجودة، وعادة ما يكون من الصعب الحصول عليها واستخدامها. ولمواجهة هذا التحدي،اختار Xie Weidi نقل طريقة جمع البيانات في الرؤية الحاسوبية إلى المجال الطبي، أي جمع البيانات من الإنترنت."وبالطبع، نحن نعلم أن النماذج الكبيرة التي يتم تدريبها بواسطة هذا النهج لا يمكن استخدامها سريريًا، ولكنها يمكن أن تعمل على تنمية المواهب بشكل أفضل وتدريب قدرة الفريق على معالجة البيانات الضخمة، مثل جمع البيانات وتنظيمها وتنظيفها."

على سبيل المثال، جمع الفريق أكثر من 30 ألف كتاب طبي، وفحص 4 ملايين مقالة طبية من PubMed Central، وجمع الأوراق والكتب الطبية بثماني لغات بما في ذلك الصينية والإنجليزية والروسية واليابانية على الإنترنت، وحولها إلى مجموعة بيانات يمكن استخدامها لتدريب نماذج اللغة.

علاوة على ذلك، قمنا باستخراج بيانات الصور والنصوص المتاحة للعامة على الإنترنت، وجمعنا أكثر من 250 ألف مسح ثلاثي الأبعاد وأكثر من مليون صورة طبية ورقية ثنائية الأبعاد. بالإضافة إلى ذلك، من أجل تدريب نموذج التجزئة العام، قام الفريق أيضًا بتوحيد ما يقرب من 120 مجموعة بيانات لتجزئة الصور الإشعاعية المتاحة للجمهور في السوق، بما في ذلك أكثر من 30 ألف صورة ثنائية الأبعاد/ثلاثية الأبعاد وملايين التعليقات التوضيحية على مستوى البكسل، والتي تغطي مختلف وسائل التصوير الإشعاعي الشائعة، مثل التصوير بالرنين المغناطيسي والتصوير المقطعي المحوسب والتصوير المقطعي بالإصدار البوزيتروني.وإدراكًا للدور الحاسم الذي تلعبه مجموعات البيانات الطبية في أبحاث الذكاء الاصطناعي الطبي، سيعمل الفريق على جعل معظم مجموعات البيانات التي يحصل عليها مفتوحة المصدر.

عند بناء نموذج عالمي، يأمل الفريق في تدريب جميع البيانات المتعددة الوسائط التي تم الحصول عليها بشكل مشترك، بما في ذلك الصور والنصوص وعلم الجينوم وإشارات تخطيط كهربية القلب وما إلى ذلك، واستخدام تحديد موقع الآفة على الصور والتشخيص على مستوى النص وإعداد التقارير باعتبارها أشكال الإخراج الأكثر أساسية. أثناء التدريب،ويعد تضمين المعرفة الطبية أيضًا جزءًا أساسيًا من تحقيق الوظائف العامة."يعود ذلك إلى اختلاف مهام أقسام المستشفى، حيث يميل الأطباء إلى التركيز أكثر على مهامهم الخاصة. نأمل أن يغطي النموذج الشامل جميع معلومات الفحص، ويشكل سلسلة تفكير تدريجية عند التعامل مع المهام، وينجز مهام مثل التشخيص التفريقي"، هذا ما قدّمه شيه وي دي.

عندما يكون المرشد "غير مبال"، اجمع القوة بهدوء

كما ذكر أعلاه، عند تطوير نظام الذكاء الاصطناعي الطبي العام، قام Xie Weidi بتطبيق أساليب الرؤية الحاسوبية في المجال الطبي. هذا بسببقبل ذلك، كان يعمل في مجال أبحاث الرؤية الحاسوبية لمدة 10 سنوات تقريبًا، وقد اكتسب معرفة عميقة.ومع ذلك، فإن اختياره الأولي لهذا التخصص كان مجرد "صدفة" بالنسبة له.

كطالب جامعي، درس شيه وي دي في جامعة بكين للبريد والاتصالات. قال مبتسمًا: "لأنني لم أكن مهتمًا بالإعلام، كانت درجاتي الجامعية متدنية جدًا. كنت قلقًا من عدم قدرتي على إيجاد وظيفة، فاخترت الدراسة في الخارج".

في عام 2012، التحق شيه ويي دي بجامعة لندن للحصول على درجة الماجستير في الرؤية الحاسوبية. هذه المرة، وجد اتجاهًا أثار اهتمامه وأخذ دراسته على محمل الجد. "اعتقد مشرفي أنني مناسب تمامًا لإجراء بحث علمي في هذا المجال واقترح عليّ متابعة الدكتوراه.." كانت المشكلة التي واجهها في ذلك الوقت هي ما إذا كان يختار متابعة الدكتوراه على نفقته الخاصة لمواصلة دراسته، حيث كانت المنح الدراسية للدكتوراه قليلة جدًا في المملكة المتحدة. "أوصاني مشرفي بالالتحاق بجامعة أكسفورد، لذا حتى لو اضطررت إلى دفع الرسوم بنفسي، فإن الاستثمار سيكون أكثر جدوى."

ولحسن الحظ، في عام 2014، ومن أجل الترويج بشكل أفضل لمشروع AlphaGo، قررت DeepMind زيادة تدريب المواهب في مجال الذكاء الاصطناعي وتعاونت مع جامعة أكسفورد لتقديم المنح الدراسية. كان شي ويدي هو الفائز بأول منحة دراسية كاملة من Oxford-Google DeepMind.على الرغم من أن المنحة الدراسية التي بلغت قيمتها مليون يوان تقريبًا من DeepMind حلت ضغوطه المالية في الوقت المناسب، إلا أن المشكلة الحقيقية التي واجهها كانت أن موقف المرشدين المتساهل كاد أن يمنعه من التخرج.

عندما كنتُ أدرس الدكتوراه، كان لديّ مُرشدان مُتميزان. أحدهما البروفيسور أندرو زيسرمان في مجال الرؤية الحاسوبية، وهو عضو في الجمعية الملكية ويُعتبر من مؤسسي مجال التصوير المقطعي؛ والآخر البروفيسور ج. أليسون نوبل، التي درست التصوير الطبي، وهي عضو في كلٍّ من الجمعية الملكية وأكاديمية الهندسة. في ذلك الوقت، اعتقد كلاهما أنني سأكون أكثر انخراطًا في أبحاث بعضهما البعض، مما وضعني في مأزق. لقد جذبت مجموعة الهندسة البصرية (VGG) في جامعة أكسفورد، حيث كان يعمل Xie Weidi في ذلك الوقت، قدرًا كبيرًا من الاهتمام لتطوير الشبكة العصبية التلافيفية VGGNet. تمتع أعضاء المجموعة عمومًا بسمعة طيبة للغاية في المجتمع الأكاديمي الدولي. ولم يكن عليه فقط مواجهة الفجوة بين أقرانه الذين كانوا يتحسنون بسرعة، بل كان عليه أيضًا استكشاف مواضيع بحثية جديدة باستمرار.

تحت تأثير AlphaGo، أصبح التعلم العميق شائعًا جدًا في ذلك الوقت، كما طور Xie Weidi أيضًا اهتمامًا قويًا بالنماذج التوليدية. ومع ذلك، كان معلمه، البروفيسور أندرو زيسرمان، يفضل إجراء أبحاث "غير ساخنة ولكن أكثر قيمة". "أثناء الاجتماع الأسبوعي، يستطيع زملائي في الفصل الإبلاغ عن تقدم أعمالهم الأسبوعية إلى AZ، ولكنني عادةً ما أذهب ومعي كومة من الأوراق وأخرج ومعي كومة من الأوراق الجديدة للقراءة." وفي الوقت نفسه، وبسبب الرقابة الصارمة على بيانات التصوير الطبي في المملكة المتحدة، لم يتمكن من إجراء البحوث بدون البيانات، ولم يتمكن من الحصول على تعليقات من معلمه الآخر، جيه أليسون نوبل. "بحلول العام الذي سبق التخرج، كنت قد نشرت ورقة عمل واحدة فقط، وقدمت ملاحظاتي إلى المشرفين الاثنين، قائلة إنه إذا واصلت على هذا النحو، فقد لا أتمكن من التخرج."

كما يقول المثل، "قد يكون الحظ السيئ نعمة مقنعة". لأن العديد من المواضيع المختارة تم رفضها من قبل المدرب ولم يكن من الممكن تنفيذها،وفي أوقات فراغه، كان يقرأ تقريبًا كل الأوراق البحثية في مجال الرؤية الحاسوبية في تلك الحقبة. وقد شكّل هذا التراكم أيضًا أساسًا قويًا لأبحاثه العلمية المستقبلية.كما قال، "اعتقدت في ذلك الوقت أنه طالما أن أستاذي يستطيع تحديد موضوعي، فسوف أتمكن من إنهائه في بضعة أيام".

في عام 2018، وبدعم من معلميه، نشر Xie Weidi 7 أوراق بحثية في مجال الرؤية الحاسوبية والتصوير الطبي ومجالات أخرى وتخرج بنجاح. كما اعترف AZ بقوته ودعاه لمواصلة دراساته لما بعد الدكتوراه، والتخصص في أبحاث الرؤية الحاسوبية، حتى عودته إلى الصين في عام 2022.

المعرفة هي الفارق الأساسي بين الرؤية الحاسوبية والطب

إن التوازن بين الأسرة والعمل يشكل مشكلة لعدد لا يحصى من الناس، بما في ذلك شيه ويي دي.كان قرار العودة إلى الصين مفاجئًا. فرغم أنني بقيت في أكسفورد ورأيت عرضًا لوظيفة أستاذ مساعد، إلا أنني أدركت تدريجيًا أن البيئة هناك لم تكن مناسبة لي لمواصلة البحث المتعمق. من ناحية أخرى، وبصفتي أبًا جديدًا، لم أكن أملك المال والطاقة الكافية لإعالة أسرتي في ذلك الوقت.

في رأيي،لدى شيه وي دي شخصية فريدة ومميزة. بالإضافة إلى التواضع والبراجماتية التي يتميز بها البحث العلمي، فهو أيضًا جريء وحاسم.وبمجرد أن قرر العودة إلى الصين، قام على الفور بالاتصال بالجامعات المحلية. ولم يأخذ في الاعتبار عناوين مثل "الباحث الأجنبي المتميز" أو "مقارنة الأسعار من ثلاث جامعات". لقد أرسل سيرته الذاتية فقط إلى جامعة شنغهاي جياو تونغ وتم تعيينه بنجاح.

ومن المثير للاهتمام أن البروفيسور تشانغ يا من جامعة شنغهاي جياو تونغ لعب دور "الموارد البشرية" في عملية دمجه، وقد نشأت معرفته بالبروفيسور تشانغ يا من خلال مقال منشور في مجلة. "في عام 2018، أرادت الأستاذة تشانغ يا وطلابها إعادة إنتاج ورقة بحثية متعلقة بالتصوير الطبي كنت قد نشرتها، لذلك أضافوني على WeChat." وكانت هذه الفرصة هي التي مهدت الطريق لعودته لاحقًا إلى الصين. بعد أن أرسل سيرته الذاتية إلى المعلم تشانغ يا، تلقى ردًا سريعًا. "لحسن الحظ، تقدمت المدرسة بسرعة في العملية برمتها."

بعد انضمامه إلى جامعة شنغهاي جياو تونغ، بالإضافة إلى مواصلة أبحاثه الأصلية في مجال الرؤية الحاسوبية، بدأ في التعمق في مجال الذكاء الاصطناعي الطبي.في ذلك الوقت، رغبتُ في خوض غمار أبحاث الذكاء الاصطناعي في مجال العلوم. ولأنني كنتُ على دراية واسعة بالصحة الطبية وكنتُ مهتمًا بها، اخترتُ هذا المجال.

ومن الجدير بالذكر أنه في عام 2022، عندما ظهر ChatGPT، قرر Xie Weidi البدء باللغة والتخلي عن مدخلات التصوير الطبي التي كانت شائعة جدًا في ذلك الوقت. "أعتقد أن الاختلاف الأساسي بين الطب والرؤية الحاسوبية هو المعرفة، لأن الطب يتعلق أكثر بالعثور على الأدلة ولديه معرفة منهجية وموحدة، ولكن من الصعب تضمين المعرفة في نموذج الصور الطبية في المجال البصري."وفي رؤيته، يمكن للفريق دمج المعرفة الطبية في نموذج اللغة، ثم محاذاة النموذج المرئي مع نموذج اللغة لتمرير المعرفة الطبية إلى النموذج المرئي.

ويعتقد المؤلف أنه ربما كان متأثرًا بالبروفيسور أندرو زيسرمان.في شيه وي دي، يمكننا أن نشعر بعمق بحدسه الحاد للبحث العلمي.وكما علق على معلمه: "إن العديد من موضوعات AZ لا تسعى إلى تحقيق نقاط ساخنة قصيرة الأجل، بل تركز على القيمة طويلة الأجل". على سبيل المثال، عند تطوير نموذج الرؤية واللغة PMC-CLIP، نظرًا لأن العديد من الدراسات أجريت لأول مرة، لم يتمكن الطلاب في الفريق من فهم أهمية المشروع بالكامل - فلماذا يجب عليهم البحث في جميع الأوراق على الإنترنت؟ لماذا استخراج الصور والتعليقات التوضيحية لتدريب النموذج... "حتى عندما قدمت الورقة، رفضتها MICCAI تقريبًا."

ومع ذلك، بعد فترة من الوقت، أصبح نموذج الرؤية واللغة شائعًا فجأة، كما تم تصنيف نموذج PMC-CLIP أيضًا على أنه "جائزة تأثير النشر للعلماء الشباب، القائمة النهائية" من قبل MICCAI، كما تم الاعتراف بإنجازاته أيضًا. في البداية، وجدتُ صعوبةً في إقناع طلابي بجدوى هذا البحث. ربما كنتُ محظوظًا لأن الموضوع الذي اخترته كان محل اهتمام الجميع لاحقًا.

خلال المقابلة، ذكر البروفيسور شي ويدي "الحظ" عدة مرات - كان القبول في جامعة أكسفورد بمثابة حظ؛ كان كوني من أوائل الحاصلين على منحة Oxford-Google DeepMind بمثابة حظ لي؛ كان من حسن حظي أن أحصل على وظيفة في جامعة شنغهاي جياو تونغ بعد العودة إلى الصين؛ كان اختيار اتجاه البحث والمسار التقني أيضًا حظًا... ولكن في رأيي، فإن معظم الحظ ليس بلا أساس، ربما هو تمهيد لعمل سابق، أو ربما هو تراكم السلطة بمرور الوقت الذي عزز الاختيار الصحيح في الوقت الحالي.

تحديد المشكلة أهم من حلها

ومن الجدير بالذكر أن شيه وي دي شعر ذات مرة بأنه محظوظ لأن "الموضوع الذي اختاره كان شيئًا أصبح الجميع مهتمين به لاحقًا". ومع ذلك، أعتقد أن اختيار موضوع البحث يعكس الملاحظة الفريدة لقائد الفريق في هذا المجال، وقد أطلق عليها شي وي دي "مشكلة التعريف". في رأيه،إن تحديد المشكلة أهم من حلها. طالما تم تحديد مشكلة ذات معنى، فسوف يتابعها عدد لا يحصى من الأشخاص ويحلونها.لذلك، نحن بحاجة إلى التفكير في ما هي المشاكل التي تستحق حلها بواسطة النموذج في هذه المرحلة؟ هذا مهم جداً.

علاوة على ذلك، عندما نحل المشاكل، فإن "الموهبة والبيانات وقوة الحوسبة" أمر لا غنى عنه.

في الوقت الحالي، لا يزال تطوير AI4S في مراحله المبكرة. يتمتع ممارسو الذكاء الاصطناعي بمزيد من المزايا في بناء النماذج وتحسين الإطار، في حين يكون ممارسو العلوم أفضل في تحديد المشكلات العلمية بدقة في المجالات الرأسية. وقد استكشف الطرفان نموذجًا عالميًا للتعاون. وفي هذا الصدد، اختار فريق شيه ويي دي التعاون مع العديد من المعلمين والطلاب من كلية الطب بجامعة شنغهاي جياو تونغ، والاستفادة الكاملة من معارفهم المهنية في المجال الطبي والسماح لهم بالعمل كمستشارين لمساعدة الفريق في تحديد ما إذا كان اتجاه البحث له قيمة طبية عملية. بالإضافة إلى ذلك، فهم يعملون أيضًا كـ "مفتشين للجودة"، مسؤولين عن جودة البيانات المأخوذة من العينات والتأكد من أن البيانات نظيفة بما يكفي للوصول إلى 90% أو أعلى.

وفي الوقت نفسه، ومع تحسن بناء الفريق تدريجيًا، أتقن الطلاب تقنية البحث عن بيانات الويب. المشكلة التالية التي يواجهونها هي أن مصادر بيانات الإنترنت أصبحت على وشك النضوب. وفي هذا الصدد، يأمل الفريق التعاون مع المستشفيات للحصول على بيانات طبية ذات جودة أعلى ومحاولة تنفيذ النموذج. وأكد شيه وي دي أن"التوجه نحو المعرفة" أو "التوجه نحو البيانات والمعرفة" أكثر أهمية من مجرد "التوجه نحو البيانات".ولذلك، يأمل الفريق أن يضع المعرفة الطبية في صميم عمله، وأن يعمل مع زملائه في الفريق على حل المزيد من المشاكل العملية.

ومن الجدير بالذكر أن إمكانية تفسير الذكاء الاصطناعي الطبي كانت منذ فترة طويلة مصدر قلق كبير للأطباء. وفي هذا الصدد، يعتقد شيه وي دي أنإذا كانت الذكاء الاصطناعي قويًا بما يكفي لتجاوز أفضل الأطباء في دقة التشخيص، فلن تكون القدرة على التفسير مشكلة بعد الآن.على سبيل المثال، حقق نموذج Med-PaLM 2 الذي أطلقته شركة Google درجة عالية بلغت 86.5 في امتحان التأهيل الطبي USMLE. بالإضافة إلى ذلك، أطلق فريقهم على التوالي نماذج لغوية طبية كبيرة PMC-LLaMA وMMed-LLaMA ونماذج لغوية بصرية MedVInT وRadFM ونموذج التجزئة العام SAT، وغيرها. تُعتبر العديد من النماذج بمثابة خطوط أساس من قبل الصناعة، وقد نُشرت في مجلات/مؤتمرات مرموقة مثل NPJ Digital Medicine وNature Communications وICCV وECCV وNeurIPS وMICCAI، وغيرها. تُغير سرعة تكرار هذه النتائج تدريجيًا آراء الأطباء حول الذكاء الاصطناعي، ومن المتوقع إقامة علاقات تعاون عالية الجودة في المستقبل.

ومن حيث موارد الحوسبة والدعم المالي، قدمت جامعة شنغهاي جياو تونغ أيضًا دعمًا شاملاً للأبحاث الأولية للفريق والتحول المستقبلي للنتائج. كما تقوم الفرق المختلفة في الكلية أيضًا باستكشاف فرص التعاون بشكل نشط، والأجواء الأكاديمية قوية.

إجراء أبحاث قيمة

خلال اتصالاته مع البروفيسور شيه ويي دي، ذكر عدة مرات أنه يأمل في إجراء بعض الأبحاث القيمة.وفي رأيه، لا يمكن اعتبار البحث السابق الذي أجراه الفريق سوى "نموذج أولي للعبة في الأوساط الأكاديمية"، ويجب توسيع نطاق النموذج الصغير بشكل أكبر إذا كان من المقرر تنفيذه في النهاية. ويأمل أن توفر هذه النماذج الأولية مراجع للباحثين الآخرين وحتى الصناعة، وتخبر الجميع بنوع البيانات المطلوبة، وكيفية معالجة البيانات، وكيفية بناء النماذج وتدريبها، وكيفية وضع التعليمات.

وفي المستقبل، يخطط الفريق لبناء تعليمات فائقة موجهة نحو الطب السريري لدمج التدريب على أكثر من 100 مهمة تهم الأطباء، مما يسمح للنموذج بالتركيز على حل الاحتياجات السريرية الفعلية. وفي هذا الصدد، علق قائلاً: "يتم تقييم نماذج اللغة التقليدية في الغالب باستخدام أسئلة الاختيار من متعدد، ولكن عند التواصل مع الأطباء، ستجد أنهم لا يهتمون بمدى ارتفاع النتيجة في أسئلة الاختيار من متعدد، ولكنهم أكثر اهتمامًا بما إذا كان النموذج قادرًا على حل المشكلات العملية، مثل الكفاءة في المهام السريرية".

وبالإضافة إلى ذلك، بدأ الفريق في التعمق في الأبحاث ذات الصلة على مستوى علم الجينوم، والحمض النووي، والحمض النووي الريبوزي، والأحماض الأمينية، مخترقًا بذلك قيود الاعتماد في الماضي على الصور والنصوص. ويأملون في خلق المزيد من الاحتمالات لتشخيص الأمراض النادرة وتطوير أدوية جديدة، ونحن نتطلع إلى نتائجهم المستقبلية.

لمزيد من التفاصيل، يرجى الاطلاع على Google Scholar الخاص بـ Xie Weidi:

https://scholar.google.com/citations?user=Vtrqj4gAAAAJ&hl=zh-CN