يُعد السرطان الكبدي الخلوي (HCC) السبب الثالث عالميًا في الوفاة الناتجة عن السرطان، مما يستدعي تحسينات عاجلة في الكشف المبكر لتعزيز بقاء المرضى. وعلى الرغم من أن التصوير بالموجات فوق الصوتية يظل الوسيلة المفضلة للفحص بسبب كفاءتها التكلفة وقدرتها على تقديم صور حية، إلا أن حساسيته (من 59% إلى 78%) تعتمد بشكل كبير على خبرة الأطباء المُشَخِّصين، مما يؤدي إلى نتائج تشخيصية غير متسقة وعوائق في الكفاءة التشغيلية. وتوفر التطورات الحديثة في تقنية الذكاء الاصطناعي حلولًا واعدة لتقليل هذه الفجوة. ويقدم هذا البحث معمولًا جديدًا يُدعى "مُحَوِّل الاستفسار النادر الهرمي" (HSQformer)، وهو معمول هجين حديث يُدمج بين قدرة الشبكات العصبية التلافيفية (CNNs) على استخراج السمات المحلية ووعي مُحَوِّلات الرؤية (Vision Transformers) بالسياق العالمي من خلال تمثيل في الفضاء المخفي والتعلم النادر. وباستخدام إطار عمل "مزيج الخبراء" (Mixture-of-Experts) لتفعيل خبراء مخصصين وظيفيًا بشكل ديناميكي، يحقق HSQformer تكاملًا هرميًا للسمات دون تكرار هيكلية. وقد تم تقييم الأداء في ثلاث سيناريوهات سريرية: مجموعة مراكز متميزة، ومراكز متعددة، وفئات مرضى عالية الخطورة، حيث تفوق HSQformer النماذج الرائدة (بمعدل 95.38% في مؤشر AUC خلال الاختبار على مراكز متعددة)، وتماشى مع دقة التشخيص لدى الأطباء المُشَخِّصين ذوي الخبرة، بينما تفوق بشكل كبير نظراءهم المبتدئين. تُظهر هذه النتائج إمكانات الأدوات المدعومة بالذكاء الاصطناعي في توحيد فحص السرطان الكبدي، وتقليل الاعتماد على الخبرة البشرية، وتحسين معدلات التشخيص المبكر. يُمكن الاطلاع على الشفرة الكاملة عبر الرابط: https://github.com/Asunatan/HSQformer.