Labmedya - Laboratuvar ve Sağlık Gazetesi

Üstelik, tespit ettiği anormalliklerin zatürre, COVID-19 veya diğer rahatsızlıklardan kaynaklandığını da ayırt edebilmektedir. Avustralya'daki Charles Darwin Üniversitesi (CDU), Birleşik Uluslararası Üniversitesi ve Avustralya Katolik Üniversitesi'nden (ACU) araştırmacılar tarafından geliştirilen bu model, farklı akciğer hastalıklarına özgü belirli kalıpları tespit edebilmektedir. Ayrıca, aynı ultrason veri kümeleri üzerinde test edilen önceki yapay zeka araçlarına kıyasla daha yüksek bir başarı sergilemektedir.

Çalışmanın ortak yazarı ve CDU'da profesör olan Niusha Shafiabady, ‘Model ayrıca radyologlara neden belirli kararlar aldığını göstermek için yapay zeka tekniklerini kullanıyor ve bu sayede sonuçlara güvenmeleri ve anlamaları daha kolay oluyor. Bu model, doktorların akciğer hastalıklarını hızlı ve doğru bir şekilde teşhis etmelerine yardımcı oluyor, karar vermelerini destekliyor, zamandan tasarruf sağlıyor ve değerli bir eğitim aracı olarak hizmet ediyor.’ diyerek açıklama yapmıştır.

Ekip, teknolojinin tanı ihtiyaçları için ne kadar uyarlanabilir olduğunu vurgulayarak iki tür yapay zeka modelini birleştirmiştir. Evrişimli sinir ağı (CNN) olarak bilinen bir tanesi, taramaları incelerken insan gözünün kaçırabileceği en küçük piksel tabanlı değişikliklere odaklanarak görüntülerdeki veya karelerdeki desenleri aramaktadır. Ardından, uzun kısa süreli bellek (LSTM) modeli bu bilgileri kullanır ve bunları daha geniş bir bağlama yerleştirerek, alakasız verileri 'unuturken' CNN'in verilerini zaman içinde analiz etmektedir.

Güçleri birleştirildiğinde, TD-CNNLSTM-LungNet olarak bilinen yeni hibrit model anormallikleri inanılmaz derecede iyi tespit edebiliyor ve ardından sorunun ne olduğunu açıklayabilmektedir. Dahası, taramaların zatürre, COVID-19, diğer akciğer hastalıkları kanıtı gösterip göstermediğini veya akciğerlerin normal olup olmadığını belirleyebilmektedir. %96,51'lik yüksek bir 'geri çağırma' oranıyla, bu esasen yapay zeka tarafından çok az yanlış negatifin tanımlandığı anlamına gelmektedir; bu da zaman açısından kritik akciğer rahatsızlıklarının tedavisinde oldukça önemlidir. Mevcut veri kümelerinin ultrason videolarını kullanan model, şu anda yaklaşık %90-92 puan alan mevcut yapay zeka teşhis araçlarını geride bırakmıştır.

Yapay zeka teşhislerinin kliniklerde yakında yaygınlaşacağı konusunda çok az şüphe olsa da, bu yeni teknolojiye karşı şüphecilik ve güvensizlik devam etmektedir. Şu anda etkileşim kurabildiğimiz yapay zeka sohbet robotları tıbbi taramaları veya testleri klinik olarak değerlendirmek üzere eğitilmemiş olsa da, sağlık hizmetlerinde güvenilir araçlar olmak üzere genel olarak belirli modeller geliştirilmektedir. Örneğin, sadece bir yıl önce Amerika Birleşik Devletleri Gıda ve İlaç Dairesi (FDA), yaklaşık 200 farklı cilt kanseri türünü tespit edebildiği gösterilen ilk akıllı telefon yapay zeka destekli cihaz olan DermaSensor cihazının kullanımını onaylamıştır. Araçların tıp uzmanlarının yerini alması amaçlanmasa da, tıpta gördüğümüz en faydalı ve uygun fiyatlı teknoloji olmaya hazırlanılmaktadır.

Bu yeni akciğer hastalığı yapay zeka modeli, örneğin COVID-19'u zatürreden ayıran nüansları doğru bir şekilde belirleyebilmesiyle henüz ne olacağına dair bize bir ipucu vermektedir. Araştırmacıların belirttiği gibi, bu iki durum da insan gözüne benzer görünür ancak yapay zeka modelinin farkı tespit etmesini sağlayan farklı desenlere sahiptir. Daha sonra her tarama için neden bu sonuca vardığına dair bir rapor üretecektir. Shafiabady, ‘Önerilen modelin açıklanabilirliği, bu yaklaşımın güvenilirliğini artırmayı amaçlıyor. Sistem, doktorlara ısı haritaları gibi görseller kullanarak belirli kararları neden aldığını gösteriyor. Bu yorumlama tekniği, bir radyoloğun odak alanını yerelleştirmesine ve klinik şeffaflığı önemli ölçüde artırmasına yardımcı olacak.’ ekleyerek açıklamıştır.

Google, 2024 yılında tıbbi teşhis ve yapay zeka alanında büyük adımlar atmıştır. Benzer şekilde, teknoloji, cerrahiden ilaç keşfine kadar her şeye yardımcı olmak için sağlık hizmetleri için geliştirilmektedir. Beyin tümörlerini ve diğer kanserleri tespit etmede kullanım potansiyelini de göstermiştir. Shafiabady, modelin doğru verilerle eğitildiği sürece akciğer hastalığı teşhis yeteneklerini daha da ileriye taşıma, tüberküloz, astım, kanser, kronik akciğer hastalığı ve pulmoner fibroz belirtilerini yakalama potansiyeline sahip olduğunu belirtmiştir. Araştırmacılar, modeli BT taramaları ve X-ışınları gibi ultrasonlardan daha fazlasını doğru bir şekilde değerlendirebilecek şekilde uyarlamayı umuyordur.  

Yazar: Bassma BOUANANI

KAYNAKÇA:

https://newatlas.com/medical-ai/ai-lung-disease/