دانشمندان با شناسایی یک نقطه ضعف بزرگ در مدلهای هوش مصنوعی پزشکی (MLLMs) یعنی «ضعف در درک بصری دقیق»، راهکار جدیدی ارائه دادهاند.
این مدل جدید که RadSight نام دارد، به جای نگاه کلی به تصاویر رادیولوژی، با یک معماری پیشرفته ۲ بعدی و ۳ بعدی، ابتدا جزئیات ریز (مثل اندازه و محل ضایعه) را تحلیل میکند و سپس به تشخیص بالینی میرسد. برای این کار، آنها بنچمارک بزرگی به نام Perception-Bench با بیش از ۱ میلیون نمونه ایجاد کردهاند تا دقت مدلها را به چالش بکشند.
این گام بزرگی برای کاهش خطاهای تشخیص پزشکی توسط هوش مصنوعی است که میتواند در آینده به پزشکان کمک کند تا با اطمینان بیشتری به نتایج هوش مصنوعی تکیه کنند. 🩺💻
منبع: arXiv Computer Vision