Boğaziçi Üniversitesi’nde yapay zeka ve makine öğrenmesi çalışmaları birçok merkez ve laboratuvarda devam ediyor.
Son olarak Doç. Dr. Mehmet Turan ve grubunun yapay zeka ve derin öğrenme teknolojilerinin patoloji alanındaki uygulamaları üzerine gerçekleştirdiği son çalışması Elsevier’in saygın bilimsel mecmualarından Medical Image Analysis’te yer aldı. Doç. Dr. Turan bu teknolojiyi klinik uygulamaların bir kesimi haline getirerek daha süratli, sağlam ve şahsileştirilmiş tedavi seçeneklerine takviye olmayı hedeflediklerini tabir etti.
“Tanı sürecine kıymetli bir yenilik getirdik”
Yapay zeka ve derin öğrenme teknolojileri kullanarak geliştirdikleri modeller olan “PathoSeg” ve “PathopixGAN” ile kanser üzere hastalıklarının teşhis sürecini, mikroskop incelemelerinin ötesine taşımayı amaçladıklarını söyleyen Doç. Dr. Mehmet Turan, “
Patolojideki teşhis süreci, yıllardır mikroskop altında yapılan görsel incelemelerle sonluydu. Çalışmamızla birlikte, yapay zekayı kullanarak bu sürece değerli bir yenilik getirdik. ‘PathoSeg’ yapay zeka modelimiz sayesinde, hücre ve doku bölgelerinin segmentasyonu artık hem daha süratli hem de daha kesin biçimde yapılabiliyor. Bu, teşhis sürecini daha verimli hale getiriyor ve kanserli bölgelerin çok daha hassas bir formda tespit edilmesine imkan tanıyor”
dedi.
Model sayesinde kanserli hücre metastazının erken tespitinin de yapılabildiğini kaydeden bilim insanı, modelin gösterdiği ‘üstün performans’ın teşhisin doğruluğunu arttırdığını da tabir ederek,
“‘PathoSeg’ modeli kanserli hücre ve dokuların segmentasyonunda gösterdiği üstün performansla teşhisin doğruluğunu artırırken, tıpkı vakitte hekimlerin iş yükünü de azaltıyor. Bilhassa metastazın erken tespiti yahut tedavi sürecinin izlenmesi üzere kritik alanlarda gerçek ve süratli tahliller yaparak, hasta bakımında manalı bir katkı sağlayabilir”
formunda konuştu.
“Veri sıkıntılarını gideriyoruz”
“PathopixGAN” modeli sayesinde de histopatoloji bilgilerinde ortaya çıkabilen meselelerin giderildiğini ekleyen Doç. Dr. Turan, modeli, “Geleneksel data toplama sistemleriyle histopatoloji bilgilerinde önemli bir dengesizlik yaşanıyor. Bilhassa az rastlanan olaylar, modelin öğrenmesi için yetersiz kalabiliyor. ‘PathopixGAN’ gerçeğe çok yakın ve çeşitli yapay imgeler üreterek modelimizin daha geniş bir bilgi setiyle eğitilmesini sağladı. Böylelikle az görülen patolojik yapıların bile başarılı bir biçimde segmentasyonunu gerçekleştirebiliyoruz. Bu, data dengesizliği konusunda atılmış kıymetli bir adım” kelamlarıyla özetledi.
“Modellerin dünyada referans noktası olmasını hedefliyoruz”
Ortaya koyulan modellerin alanında öncü bir niteliğe sahip olduğunu vurgulayan Doç. Dr. Turan,
“Akademik olarak öteki araştırmacılar için güçlü bir model ve bilgi kaynağı sağlıyoruz. Yapay zeka kullanımının benimsenmesi sürecinde kıymetli bir referans noktası olmasını hedefliyoruz. Kesim açısından ise, yapay zekanın klinik teşhis süreçlerine entegre edilmesi konusunda bir örnek teşkil etmeyi ve sıhhat hizmetlerinin genelinde yapay zeka kullanımının artmasına katkıda bulunmayı umuyoruz. Amacımız bu teknolojiyi klinik uygulamaların bir kesimi haline getirerek daha süratli, muteber ve şahsileştirilmiş tedavi seçeneklerine takviye olmak”
diye konuştu.
