Bilgisayar Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Mehmet Turan: "'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"
Üniversiteden yapılan açıklamaya göre, yapay zeka ve makine öğrenmesi çalışmaları birçok merkez ve laboratuvarda devam ediyor.
Son olarak Bilgisayar Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Mehmet Turan ve ekibinin, yapay zekayla derin öğrenme teknolojilerinin patoloji alanındaki uygulamaları üzerine gerçekleştirdiği çalışması Elsevier'in saygın bilimsel dergilerinden "Medical Image Analysis"te yer aldı.
Açıklamada görüşlerine yer verilen Turan, bu teknolojiyi klinik uygulamaların bir parçası haline getirerek daha hızlı, güvenilir ve kişiselleştirilmiş tedavi seçeneklerine destek olmayı hedeflediklerini belirtti.
Yapay zeka ve derin öğrenme teknolojileri kullanarak geliştirdikleri "PathoSeg" ve "PathopixGAN" modelleriyle kanser gibi hastalıkların tanı sürecini, mikroskop incelemelerinin ötesine taşımayı amaçladıklarına dikkati çeken Turan, "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." ifadelerini kullandı.
Model sayesinde kanserli hücre metastazının erken tespitinin de yapılabildiğini, "PathoSeg" modelinin kanserli hücre ve dokuların segmentasyonunda gösterdiği üstün performansla tanının doğruluğunu artırdığını vurgulayan Turan, aynı zamanda doktorların iş yükünü de azalttığını ifade etti.
Doç. Dr. Turan, "PathopixGAN" sayesinde histopatoloji verilerinde ortaya çıkabilen sorunların giderildiğinin altını çizdi.
Özellikle nadir rastlanan vakaların modelin öğrenmesi için yetersiz kalabildiğine işaret eden Turan, gerçeğe çok yakın ve çeşitli yapay görüntüler üretilip, modelin daha geniş bir veri setiyle eğitilmesini sağladığını bildirdi.
- "Diğer araştırmacılar için güçlü bir model ve veri kaynağı sağlıyoruz"
Modellerin 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 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 olmak."
