Boğaziçi Üniversitesi’nde yapay zeka ve makine öğrenmesi çalışmaları birçok merkez ve laboratuvarda devam ediyor. Son olarak Doç. Dr. Mehmet Turan ve ekibinin yapay zeka ve derin öğrenme teknolojilerinin patoloji alanındaki uygulamaları üzerine gerçekleştirdiği son çalışması Elsevier’in saygın bilimsel dergilerinden Medical Image Analysis’te yer aldı. Doç. Dr. Turan bu teknolojiyi klinik uygulamaların bir parçası haline getirerek daha hızlı, güvenilir ve kişiselleştirilmiş tedavi seçeneklerine destek olmayı hedeflediklerini söylüyor.

“TANI SÜRECİNE ÖNEMLİ BİR YENİLİK GETİRDİK”

Doç. Dr. Mehmet Turan yapay zeka ve derin öğrenme teknolojileri kullanarak geliştirdikleri modeller olan “PathoSeg” ile “PathopixGAN” ile kanser gibi hastalıklarının tanı sürecinı, mikroskop incelemelerinin ötesine taşımayı amaçladıklarını söylüyor:

“Patolojideki tanı süreci, yıllardır mikroskop altında yapılan görsel incelemelerle sınırlıydı. Çalışmamızla birlikte, 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 şekilde yapılabiliyor. Bu, tanı sürecini daha verimli hale getiriyor ve kanserli bölgelerin çok daha hassas bir şekilde tespit edilmesine imkan tanıyor. "

Bilim insanı model sayesinde kanserli hücre metastazının erken tespitinin de yapılabildiğini söylüyor. Modelin gösterdiği “üstün performans”ın tanının doğruluğunu arttırdığını da ifade ediyor:

‘PathoSeg’ modeli kanserli hücre ve dokuların segmentasyonunda gösterdiği üstün performansla tanının doğruluğunu artırırken, aynı zamanda doktorların iş yükünü de azaltıyor. Özellikle metastazın erken tespiti veya tedavi sürecinin izlenmesi gibi kritik alanlarda doğru ve hızlı analizler yaparak, hasta bakımında anlamlı bir katkı sağlayabilir.”

“VERİ SORUNLARI GİDERİLİYOR”

Bilim insanı, “PathopixGAN” modeli sayesinde de histopatoloji verilerinde ortaya çıkabilen sorunların giderildiğini de sözlerine ekleyerek modeli şu sözlerle özetliyor:

“Geleneksel veri toplama yöntemleriyle histopatoloji verilerinde ciddi bir dengesizlik yaşanıyor. Özellikle nadir rastlanan vakalar, modelin öğrenmesi için yetersiz kalabiliyor. ‘PathopixGAN’ gerçeğe çok yakın ve çeşitli yapay görüntüler üreterek modelimizin daha geniş bir veri setiyle eğitilmesini sağladı. Böylece nadir görülen patolojik yapıların bile başarılı bir şekilde segmentasyonunu gerçekleştirebiliyoruz. Bu, veri dengesizliği konusunda atılmış önemli bir adım.”

“MODELLERİN DÜNYADA REFERANS NOKTASI OLMASINI HEDEFLİYORUZ”

Bilim insanı bu modellerin alanında öncü bir nilteliğe sahip olduğunu da belirtiyor. Bunun bir refeans noktası olmasını hedeflediklerini vurgulayan Doç. Dr. Turan, “Patoloji alanında yapay zekanın benimsenmesi sürecinde önemli bir referans noktası olmasını hedefliyoruz. Akademik olarak diğer araştırmacılar için güçlü bir model ve veri kaynağı sağlıyoruz. 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 olmak” diye konuşuyor.