في مجال علوم الأحياء الطبية، تشمل عملية التشقيق تحديد وتحديد بكسلات محددة في الصور الطبية التي ترتبط بالهياكل المهمة مثل الأعضاء أو الخلايا. يمكن لنماذج الذكاء الاصطناعي مساعدة الأطباء بتحديد البكسلات التي قد تشير إلى وجود مرض معين أو غير طبيعي. ومع ذلك، تعطي هذه النماذج عادة إجابة واحدة فقط، على الرغم من أن مهمة تشقيق الصور الطبية غالباً ما تنطوي على تفسيرات متنوعة. حتى الخبراء قد يقدمون تشقيقات مختلفة، مع عدم الاتفاق على حدود عقدة في صورة CT للرئة، على سبيل المثال. لحل هذه المشكلة، طوّر باحثون من MIT، ومعهد برود لـ MIT وهارفارد، ومستشفى جنرال ماساتشوستس أداة ذكاء اصطناعي جديدة تسمى "Tyche". يمكن لـ Tyche إنشاء تشقيقات مقبولة متعددة لصورة طبية، كل واحدة منها تسلط الضوء على مناطق مختلفة بشكل طفيف. يمكن للمستخدمين تحديد عدد الخيارات التي يوفرها Tyche واختيار الأنسب لاحتياجاتهم. على عكس الأساليب الأخرى، لا يتطلب Tyche إعادة تدريب لمهام تشقيق جديدة. هذا يجعلها أكثر سهولة في الاستخدام للأطباء والباحثين في مجال العلوم الطبية. يمكن استخدام Tyche "جاهز للاستخدام" لمهام مثل تحديد الآفات في أشعة الأشعة السينية للرئة أو تحديد الشذوذ في صورة MRI للدماغ. لدى Tyche القدرة على تحسين التشخيصات والمساعدة في البحوث الطبية من خلال توجيه الاهتمام إلى معلومات هامة بشكل محتمل قد تغفلها أدوات الذكاء الاصطناعي الأخرى.

ويعتبر النظام اللباقة، وهو مجال لم تتم استكشافه بشكل كبير. من خلال توفير عدة تشقيقات، يعترف Tyche بالتوتر الموجود في الصور الطبية، مما قد يؤثر على عملية اتخاذ القرار. قام الباحثون بتعديل هندسة شبكة عصبية لإنشاء Tyche. يحتاج المستخدمون إلى تقديم بضعة أمثلة لمهمة التشقيق لتدريب النموذج. وجد الباحثون أن 16 صورة مثالية كافية لـ Tyche لإجراء توقعات دقيقة. يقوم النموذج بإخراج تشقيقات مرشحة متعددة بتعديل طبقات الشبكة، مما يسمح لها بالتفاعل مع بعضها البعض والأمثلة في مجموعة التدريب. عند اختباره على مجموعات بيانات الصور الطبية المحددة، استطاعت توقعات Tyche أن تلتقط التنوع المرئي للشخص القائم على التعليقات وقد تفوقت أفضل توقعاته على تلك النماذج الأساسية. أظهرت Tyche أيضًا أداءًا أسرع مقارنةً بمعظم النماذج. يخطط الباحثون لاستكشاف استخدام مجموعة سياق أكثر مرونة ودراسة طرق لتحسين أسوأ توقعات Tyche. كما يهدفون إلى تحسين النظام بحيث يمكنه توصية بأفضل مرشحي التشقيق. تدعم هذه الأبحاث التمويل من معاهد الصحة الوطنية ومركز إريك وويندي شميت في معهد برود لـ MIT وهارفارد وكوانتا كمبيوتر.