Boğaziçi Üniversitesi’nde Yapay Zeka ve Makine Öğrenmesi Çalışmaları
Boğaziçi Üniversitesi’nde yapay zeka ve makine öğrenmesi alanındaki araştırmalar, birçok merkez ve laboratuvarda hız kesmeden devam ediyor. Son olarak, Doç. Dr. Mehmet Turan ve ekibi, yapay zeka ile derin öğrenme teknolojilerinin patoloji alanındaki uygulamaları üzerine önemli bir çalışma gerçekleştirdi. Bu çalışma, saygın bilimsel dergilerden biri olan Medical Image Analysis’ta yayımlandı. Doç. Dr. Turan, bu teknolojilerin klinik uygulamalar içerisinde yer alarak, hastalara daha hızlı, güvenilir ve kişiselleştirilmiş tedavi seçenekleri sunmayı amaçladıklarını belirtti.
“Tanı Sürecine Önemli Bir Yenilik Getirdik”
Yapay zeka ve derin öğrenme teknolojileri kullanarak geliştirdikleri “PathoSeg” ve “PathopixGAN” isimli modeller ile kanser gibi hastalıkların tanı süreçlerini, geleneksel mikroskop incelemelerinin çok ötesine taşımayı hedeflediklerini ifade eden Doç. Dr. Turan, şunları söyledi:
“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 bir şekilde gerçekleştirilebiliyor. Bu, tanı sürecini daha verimli hale getiriyor ve kanserli bölgelerin çok daha hassas bir biçimde tespit edilmesine olanak tanıyor.”
Model sayesinde kanserli hücre metastazının erken tespitinin de yapılabildiğini kaydeden bilim insanı, modelin gösterdiği ‘üstün performans’ın tanının doğruluğunu artırdığını ifade ederek, “‘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.” şeklinde konuştu.
“Veri Sorunlarını Gideriyoruz”
Doç. Dr. Turan, “PathopixGAN” modeli sayesinde histopatoloji verilerinde ortaya çıkan sorunların giderildiğini ekledi. Bu modeli şu şekilde tanımladı:
“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.”
“Modellerin Dünyada Referans Noktası Olmasını Hedefliyoruz”
Ortaya konulan modellerin alanında öncü bir niteliğe sahip olduğunu vurgulayan Doç. Dr. Turan, “Akademik olarak diğer araştırmacılar için güçlü bir model ve veri kaynağı sağlıyoruz. Yapay zeka kullanımının benimsenmesi sürecinde önemli bir referans noktası olmasını 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.” diye konuştu.
