🏥 چالش بزرگ هوش مصنوعی در پزشکی: آیا مدل‌ها واقعاً همه‌جا دقیق عمل می‌کنند؟

محققان در یک پژوهش جدید به بررسی چالش مهم «تعمیم‌پذیری» (Generalization) در مدل‌های هوش مصنوعی پرداخته‌اند. آن‌ها متوجه شدند مدل‌هایی که برای تشخیص زخم پای دیابتی (DFU) آموزش می‌بینند، وقتی با داده‌های بیمارستانی جدید و خارج از دیتاسِت آموزشی روبرو می‌شوند، دقت خود را تا حد زیادی از دست می‌دهند.

نتایج این تحقیق نشان می‌دهد که معماری مدل اهمیت زیادی دارد؛ برای مثال، مدل‌های مبتنی بر ترنسفورمر (مثل SegFormer-B2) نسبت به مدل‌های کلاسیک CNN (مثل U-Net) عملکرد بسیار پایدارتر و خطاهای فاجعه‌بار کمتری در محیط‌های واقعی دارند. این یعنی برای استفاده بالینی از هوش مصنوعی، نباید فقط به اعداد روی کاغذ اکتفا کرد! 🤖🩺

منبع: arXiv Computer Vision