Yeni MIT AI Sistemi, Görüntü Bölme İşlemini Daha Hızlı ve Kolay Hale Getiriyor

MIT araştırmacıları, tıbbi verilerin hızlı görüntü analizi yoluyla tıbbi uzmanların araştırmalarını hızlandırmaya yardımcı olan bir AI sistemi geliştirdi.

MultiverSeg adı verilen araç, bilim insanlarının belirli görüntü alanlarını, basitçe tıklama veya karalama yaparak işaretlemelerine olanak sağlar ve sistem bu bilgiyi kullanarak gelecek sonuçlar için tahminler oluşturur.

MIT, klinik araştırmaların en zahmetli ve başlangıç sürecinin, tıbbi görüntü etiketlemeyi, yani segmentasyonu gerektirdiğini açıklıyor. Örneğin, beynin hipokampusunun yaşla nasıl değiştiğini incelemek için, araştırmacıların bu bölgeyi çeşitli taramalar üzerinden manuel olarak izlemesi gerekiyor.

“Birçok bilim insanı, manuel görüntü segmentasyonunun çok zaman alıcı olması nedeniyle, araştırmaları için günde sadece birkaç görüntüyü segmente etmek için zaman bulabilir. Umudumuz, bu sistemin, klinik araştırmacılara, daha önce verimli bir araç eksikliği nedeniyle yapmalarına izin verilmeyen çalışmaları yapmalarına olanak tanıyarak yeni bilimlere kapı açmasıdır,” diye konuştu, baş yazar ve elektrik mühendisliği ve bilgisayar bilimleri yüksek lisans öğrencisi Hallee Wong.

Önceki sistemlerin aksine, MultiverSeg’in büyük önceden segmente edilmiş veri setleriyle eğitilmesini araştırmacıların yapmasına gerek yoktur. Sistem, geçmişte segmente edilmiş resimlerden bir “bağlam seti” oluşturur ve bunları gelecekteki tahminleri iyileştirmek için kullanır. Araştırmacılar, sistemin zaman ilerledikçe neredeyse hiç kullanıcı etkileşimi gerektirmediğini açıklıyorlar.

Araştırmacılar, MultiverSeg’i en son teknoloji araçlarla test ettiler ve daha az tıklama ve karalama gerektirdiğini, daha doğru sonuçlar ürettiğini buldular. Aslında, AI sistemi, kalan alanlar için doğru tahminler yapabilmesi için sadece bir veya iki manuel radyografi segmentasyonu gerektiriyordu.

“MultiverSeg ile kullanıcılar, AI tahminlerini rafine etmek için her zaman daha fazla etkileşim sağlayabilirler. Bu, genellikle bir şeyi sıfırdan başlatmaktan daha hızlı olduğu için süreci hâlâ önemli ölçüde hızlandırır,” dedi Wong.

Ekip, sistemi klinik ortamlarda test etmeyi planlıyor, radyasyon tedavi planlaması gibi alanlarda verimliliği de artırabileceği umuduyla.