Boğaziçi Üniversitesi’nde Yapay Zeka ile Patoloji Çalışmaları
Boğaziçi Üniversitesinden yapılan açıklamaya göre, yapay zeka ve makine öğrenmesi alanındaki araştırmalar, birçok merkez ve laboratuvarda hızla devam ediyor. Son olarak, Bilgisayar Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Mehmet Turan ve ekibinin, yapay zeka ve derin öğrenme teknolojilerinin patoloji alanındaki uygulamaları üzerine gerçekleştirdiği çalışma, Elsevier’in saygın bilimsel dergilerinden biri olan Medical Image Analysis‘de yayımlandı.
Açıklamada görüşlerine yer verilen Turan, bu yenilikçi teknolojiyi klinik uygulamaların bir parçası haline getirerek, daha hızlı, güvenilir ve kişiselleştirilmiş tedavi seçeneklerini desteklemeyi hedeflediklerini belirtti.
KANSER GİBİ HASTALIKLARIN TANI SÜRECİNİ DEĞİŞTİRECEK
Yapay zeka ve derin öğrenme teknolojileri kullanarak geliştirdikleri PathoSeg ve PathopixGAN modelleri ile kanser gibi hastalıkların tanı sürecini, yalnızca mikroskop incelemeleriyle sınırlı olmaktan çıkararak, daha ileri bir aşamaya taşımayı amaçladıklarını vurguladı. Turan, “Patolojideki tanı süreci yıllardır mikroskop altında yapılan görsel incelemelere dayanıyordu. Çalışmamız sayesinde yapay zekayı kullanarak bu sürece önemli bir yenilik getirdik. PathoSeg yapay zeka modelimiz sayesinde, hücre ve doku bölgelerinin segmentasyonu artık hem daha hızlı hem de daha kesin bir şekilde gerçekleştirilebiliyor. Bu, tanı sürecini daha verimli hale getiriyor ve kanserli bölgelerin çok daha hassas bir şekilde tespit edilmesine olanak tanıyor.” ifadelerini kullandı.
Model sayesinde kanserli hücre metastazının erken tespitinin de mümkün olduğunu belirten Turan, PathoSeg modelinin kanserli hücre ve dokuların segmentasyonunda gösterdiği üstün performansın tanının doğruluğunu artırdığını, aynı zamanda doktorların iş yükünü de önemli ölçüde azalttığını ifade etti.
Doç. Dr. Turan, PathopixGAN modelinin, histopatoloji verilerinde ortaya çıkabilen sorunların giderilmesine katkı sağladığını vurguladı. Özellikle nadir rastlanan vakaların modelin öğrenmesi için yetersiz kalabildiğine dikkat çeken Turan, gerçeğe çok yakın ve çeşitli yapay görüntülerin üretilmesi sayesinde modelin daha geniş bir veri seti ile eğitilmesini sağladıklarını bildirdi.
DİĞER ARAŞTIRMACILAR İÇİN GÜÇLÜ BİR MODEL VE VERİ KAYNAĞI SAĞLIYORUZ
Modellerinin alanında öncü niteliğe sahip olduğunu aktaran Turan, şunları kaydetti: “Akademik olarak diğer araştırmacılar için güçlü bir model ve veri kaynağı sağlıyoruz. Yapay zeka kullanımının benimsenmesi sürecinde önemli bir referans noktası olmayı hedefliyoruz. Sektör açısından ise yapay zekanın klinik tanı süreçlerine entegre edilmesi konusunda bir örnek teşkil etmeyi ve sağlık hizmetlerinin genelinde yapay zeka kullanımının artmasına katkıda bulunmayı umuyoruz. Hedefimiz, bu teknolojiyi klinik uygulamaların bir parçası haline getirerek, daha hızlı, güvenilir ve kişiselleştirilmiş tedavi seçeneklerine destek olmaktır.”
