الذكاء الاصطناعي التقليدي ينظر إلى الصور الطبية كما لو كانت أحجية من قطع غير مألوفة — فهو يعتبر أي صورتين غير متطابقتين مختلفتين تمامًا. هذا أشبه بمحاولة التمييز بين توأمين دون معرفة قرابتهما. أما في الطب، فالمرضى المصابون بنفس المرض يبدون متشابهين تقريبًا في صور الرنين المغناطيسي، فيخطئ الخوارزم ويخلط بين "الأقارب".
طريقة MseaCL تُضيف التقارير النصية للأطباء إلى التدريب، مما يخلق للذكاء الاصطناعي "ألبومًا عائليًا". الآن كل زوج من الصور يحصل على تعليق: هل هما متشابهان من حيث الجوهر، وليس فقط من حيث البكسلات. سابقًا، كانت الروابط الخفية تبقى غير ملحوظة — مثل المادة المظلمة في الفيزياء الفلكية — أما الآن فالخوارزم يراها.
ومن المدهش أنه بالنسبة لصور الأطفال، توجّب مراعاة العمر: فدماغ الطفل في تطور نشط، وبدون ذلك كان الذكاء الاصطناعي قد يعتبر الطبيعي مرضًا.
والنتيجة أن دقة تحديد الأنواع الفرعية للأورام زادت بنسبة 22.6% مقارنة بـ الطرق التقليدية. وأصبح التشخيص أقل تأثرًا بـ اللايقين، وتحول الذكاء الاصطناعي إلى مساعد موثوق لأطباء الأطفال. هذا النهج، تمامًا مثل موشور التحليل الطيفي، قام بتحليل المرض إلى أنماط واضحة.
تم تدريب طريقة MseaCL على بيانات أطفال لا تزال أدمغتهم في طور النمو النشط، ويجب على الذكاء الاصطناعي مراعاة التغيرات العمرية لكي لا يعتبر الطبيعي مرضًا.