در عصر پیشرفت‌های هوش مصنوعی و پرونده‌های الکترونیکی پزشکی (EMR)، نیاز به مدلهای پیشرفته برای تحلیل داده‌های پیچیده پزشکی چیزی است که بیش از پییش احساس می‌شود.اخیرا تیم Google Research و Google DeepMindپروژه ای به اسم Med Geminiمعرفی کرده اند که با ترکیب قابلیت‌های مدلهای ترکیبی (Multi models) با حوزه پزشکی، دقت و کارایی بالایی را در تحلیل تصاویر پزشکی، ژنتیک و تولید گزارش‌های بالینی بدست آورده است.
این مدل‌ها، شامل Med-Gemini-2D، Med-Gemini-3D، و Med-Gemini-Polygenic، هستند و توانسته اند در زمینه‌های متعددی از جمله رادیولوژی ،پاتولوژی ،چشم‌پزشکی، و پیش بینی احتمال بیماریها، عملکرد بهتری نسبت به تمامی مدلهای قبلی داشته باشند.
برای مثال،Med-Gemini-2D در تولید گزارش متنی برای عکس‌های رادیوگرافی (CXR) توانسته است 57 تا 96 درصد گزارش‌هایی تولید کند که از دید متخصصان "هم‌سطح یا بهتر" از گزارش‌های رادیولوژیست‌ها می باشند. همچنین در پاسخ به پرسش‌های بصری (VQA) مرتبط با تصاویر پزشکی، این مدل در 17 مورد از 20مورد برترین عملکرد را ثبت کرده است.
علاوه بر تحلیل تصاویر، مدلMed-Gemini-Polygenic با استفاده از داده‌های ژنتیکی توانسته است پیش‌بینی دقیق‌تری نسبت به امتیازهای ریسک پلی‌ژنتیک (PRS) سنتی ارائه دهد و برای بیماری‌هایی که مدل برای آن‌ها آموزش ندیده نیز عملکرد خوبی داشته باشد.
با این حال، با توجه به پیچیدگی‌های موجود در داده‌های پزشکی و اهمیت بالای ایمنی در این حوزه، توسعه و ارزیابی‌های دقیق‌تر همچنان ضروری است. مدلهای Med-Gemini با ایجاد تحول در حوزه‌های مختلف پزشکی، می‌توانند نقش مهمی در بهبود خدملت و تحلیل داده های سلامت نقش مهمی ایفا کنند.
این پیشرفت‌ها نویدبخش آینده‌ای هستند که در آن هوش مصنوعی می‌تواند در کنار متخصصان به ارتقای کیفیت خدمات درمانی کمک کند و ابزارهای پیشرفته‌تری برای تحلیل داده‌های چندگانه ارائه دهد.
🔗برای مشاهده‌ی منبع این مطلب اینجا کلیک کنید.
