Boğaziçi Üniversitesi’nin Yapay Zeka ve Makine Öğrenmesi Çalışmaları
Boğaziçi Üniversitesi’nde yapay zeka ve makine öğrenmesi alanında yürütülen araştırmalar, çeşitli merkez ve laboratuvarlarda dinamik bir şekilde ilerlemektedir. Son dönemde, Doç. Dr. Mehmet Turan liderliğindeki ekibin yapay zeka ve derin öğrenme teknolojilerinin patoloji alanındaki uygulamalarına dair gerçekleştirdiği önemli bir çalışma, Elsevier’in prestijli bilimsel dergilerinden Medical Image Analysis‘de yayımlanmıştır. Doç. Dr. Turan, bu teknolojilerin klinik uygulamalara entegrasyonunu sağlamak, böylece hastalara daha hızlı, güvenilir ve kişiselleştirilmiş tedavi seçenekleri sunma hedefinde olduklarını ifade etmiştir.
“Tanı Sürecine Önemli Bir Yenilik Getirdik”
Yapay zeka ve derin öğrenme teknolojilerini kullanarak geliştirdikleri “PathoSeg” ve “PathopixGAN” adlı modeller sayesinde kanser gibi hastalıkların tanı sürecini, geleneksel mikroskop incelemelerinin ötesine taşımayı amaçladıklarını belirten Doç. Dr. Mehmet Turan, şunları dile getirdi: “Patolojideki tanı süreci, uzun yıllardır mikroskop altında yapılan görsel incelemelerle sınırlıydı. Çalışmamızla birlikte, yapay zekanın bu sürece entegre edilmesini sağlayarak önemli bir yenilik getirdik. ‘PathoSeg’ yapay zeka modelimiz, hücre ve doku bölgelerinin segmentasyonunu hem daha hızlı hem de daha kesin bir şekilde gerçekleştirebiliyor. Bu durum, tanı sürecini daha verimli hale getiriyor ve kanserli bölgelerin hassas bir şekilde tespit edilmesine olanak tanıyor.”
Kanserli Hücre Metastazının Erken Tespiti
Modelin sağladığı avantajlarla, kanserli hücre metastazının erken tespitinin de mümkün olduğunu vurgulayan bilim insanı, “‘PathoSeg’ modeli, kanserli hücre ve dokuların segmentasyonunda gösterdiği üstün performansla tanının doğruluğunu artırmakta ve doktorların iş yükünü azaltmaktadır. Özellikle metastazın erken tespiti veya tedavi sürecinin izlenmesi gibi kritik alanlarda doğru ve hızlı analizler yapılmasını sağlayarak hasta bakımında anlamlı bir katkı sunmaktadır.” şeklinde konuştu.
“Veri Sorunlarını Gideriyoruz”
“PathopixGAN” modeli aracılığıyla histopatoloji verilerinde karşılaşılan sorunların üstesinden geldiklerini belirten Doç. Dr. Turan, bu modelin işlevini şu şekilde açıkladı: “Geleneksel veri toplama yöntemleriyle histopatoloji verilerinde büyük dengesizlikler ortaya çıkabiliyor. Özellikle nadir görülen vakalar, modelin öğrenmesi için yetersiz kalmaktadır. ‘PathopixGAN’ modeli, gerçeğe çok yakın ve çeşitli yapay görüntüler üreterek, modelimizin daha geniş veri setleriyle eğitilmesine olanak tanıdı. Böylece, nadir görülen patolojik yapıların bile başarılı bir şekilde segmentasyonunu gerçekleştirebiliyoruz. Bu, veri dengesizliğiyle mücadelede önemli bir adım olmuştur.”
“Modellerin Dünyada Referans Noktası Olmasını Hedefliyoruz”
Geliştirilen modellerin alanında öncü bir niteliğe sahip olduğunu vurgulayan Doç. Dr. Turan, “Akademik topluluğa güçlü bir model ve veri kaynağı sunarak, yapay zekanın benimsenmesi sürecinde önemli bir referans noktası olmayı hedefliyoruz. Sektör açısından ise, yapay zekanın klinik tanı süreçlerine entegrasyonuna örnek teşkil etmeyi ve sağlık hizmetlerinin genelinde yapay zeka kullanımının artmasına katkıda bulunmayı umuyoruz. Amacımız, bu teknolojiyi klinik uygulamaların vazgeçilmez bir parçası haline getirerek, hastalara daha hızlı, güvenilir ve kişiselleştirilmiş tedavi seçenekleri sunmaktır.” ifadeleriyle sözlerini tamamladı.
