في عالم الرعاية الصحية، يمثل الألم تحديًا مزدوجًا بسبب تعقيده وانتشاره الواسع. تكمن أهمية البحث الجديد في تقديم طريقة موثوقة لإجراء تقييم تلقائي للألم، مما يساهم في تخفيف العبء السريري والاجتماعي المرتبط به.

تستعرض هذه الدراسة نموذجًا خفيف الوزن يعتمد على بنية المحولات (Transformers)، حيث يجمع بين تمثيلات متعددة لنشاط الدماغ باستخدام آلية توحيد الرموز. هذه التقنية تسمح بنمذجة وجهات نظر الإشارات التكميلية دون الحاجة لتعديلات خاصة بنوع الإشارة أو زيادة التعقيد المعماري للنموذج.

تعمل الاستراتيجية المقترحة، والتي تُعرف باسم 'استراتيجية مزج الرموز'، على الحفاظ على الخصائص المكانية والزمنية وتردد الزمن من خلال إسقاط المدخلات المتنوعة على تمثيل مشترك. يعتمد النموذج أيضًا على مخطط تقسيم منظم للتحكم في دقة التجميع المحلي والتفاعل العالمي.

تم تقييم النموذج على مجموعة بيانات AI4Pain باستخدام تمثيلات موجات إدخال وأنماط الطيف الكثافي. أظهرت النتائج التجريبية أداءً تنافسيًا في تحديد الألم، مع بقاء النموذج متماسكًا من الناحية الحاسوبية، مما يجعله مثاليًا للاستخدام الفوري على كل من المعدات العاملة بمعالجة الرسوميات (GPU) ووحدات المعالجة المركزية (CPU).

هذا التطور يعد خطوة كبيرة نحو تحسين جودة الرعاية الصحية من خلال اكتشاف آلي يمكن أن يساعد في تحديد الألم بشكل أدق وأسرع. في ضوء هذه الابتكارات، ننتظر رؤية المزيد من التطبيقات العملية لمثل هذه النماذج في المجال الطبي.