مدلهای پایه در آسیبشناسی (Pathology) در حال نزدیک شدن به کاربردهای بالینی هستند، اما هنوز با چالشهایی مثل تغییرات ناشی از آمادهسازی بافت، رنگآمیزی و اسکن مواجهاند که باعث خطا در عملکرد آنها میشود.
محققان در مقاله جدیدی، معیار نوآورانهای به نام «CRoMa» را معرفی کردهاند که به جای استفاده از امتیازات کلی، با بررسی دقیقتر تفاوتهای زیستی، «تابآوری» مدلهای هوش مصنوعی را در برابر عوامل غیرزیستی (مانند تفاوت تجهیزات آزمایشگاهی) میسنجد. این گام بزرگی برای افزایش دقت مدلهای پزشکی در مراکز درمانی مختلف است! 🔬✨
منبع: arXiv AI