تُعد بيانات التصوير الطبي ثلاثية الأبعاد عالية الجودة حجر الأساس في الذكاء الاصطناعي للأشعة الحديثة، غير أن التدريب طويل المدى لنماذج الذكاء الاصطناعي الطبية يواجه "عنق زجاجة" في البيانات بسبب قيود خصوصيتها وتكاليف وضع العلامات عليها وحجم العينات المحدود. ولحل هذه المشكلة، أطلقت شركة إنفيديا مؤخرًا إطار العمل المفتوح المصدر NV-Generate-CTMR الذي يدعم توليد بيانات مقطعية محوسبة (CT) ورنين مغناطيسي (MRI) ثلاثية الأبعاد بدقة عالية، مما يساعد الباحثين على بناء أنظمة ذكاء اصطناعي للتصوير الطبي بكفاءة أعلى. يتم تطوير هذا الإطار استنادًا إلى بنية MAISI (الذكاء الاصطناعي الطبي للصور التركيبية) التي أصدرتها إنفيديا سابقًا؛ حيث تعتمد النسخة الأخيرة منه وهي MAISI-v2 تقنية تدفق التصحيح الضمني (Latent Rectified Flow)، ما يحقق تسريعًا في الاستدلال يصل إلى حوالي 33 ضعفًا مقارنة بنماذج الانتشار التقليدية، مع تحسين جودة التوليد. ويدعم الإطار إنشاء أحجام طبية كاملة ثلاثية الأبعاد وإخراج نتائج تقسيم الهياكل التشريحية المقابلة له، وهو مناسب لمهام مثل تعزيز البيانات والتوليد عبر الوسائط المتعددة وقسم الورم. كما أعلنت إنفيديا عن إطلاق نموذج توليد الرنين المغناطيسي للدماغ NV-Generate-MR-Brain بالتزامن مع ذلك. تم تدريب هذا النموذج على مجموعة البيانات MR-RATE متعددة الوسائط الأكثر شمولاً مفتوحة المصدر عالميًا، والتي تضم أكثر من 83 ألف مريض ونحو 700 ألف حجم صورة رنين مغناطيسي، مصحوبة بتقارير أشعة مجهولة الهوية وبيانات وصفية بصيغة DICOM. ويُدعم النموذج توليد متواليات دماغية متنوعة تشمل T1 وT2 وFLAIR وSWI، ويمكنه إنتاج صور دماغية كاملة بدقة تصل إلى 512×512×256. ومع مقارنتها بطرق توليد الصور الطبية التقليدية، يتميز NV-Generate-CTMR بإمكانية دعم أبعاد voxels قابلة للتغيير وأحجام مختلفة للحجوم بالإضافة إلى نطاق الجسم الكامل، ما يجعله متوافقًا مع العديد من بروتوكولات المسح السريري دون الحاجة لإعادة تدريب النماذج لكل عضو مختلف. وقد صنفته إنفيديا كـ"نموذج أساسي لتوليد الصور الطبية". وفي الوقت الراهن، أصبح المشروع متاحًا بشكل كامل كمفتوح المصدر، ويشمل أوزانًا مدربة مسبقًا وإعدادات تدريب وكود استدلال، مما يسمح للباحثين بتشغيله مباشرة على وحدات معالجة الرسومات المحلية أو إجراء ضبط دقيق عليه. وذكرت إنفيديا أن الصور الطبية التركيبية ستلعب دورًا متزايد الأهمية في مجالات مشاركة البيانات المحمية بالخصوصية ومحاكاة الآفات النادرة وتعزيز قدرة تعميم نماذج الذكاء الاصطناعي الطبية.