Würzburg ve Berlin'den uluslararası bir araştırma ekibi, bağırsak poliplerinin gerçekçi görüntülerini oluşturabilen bir yapay zeka sistemi geliştirdi. Uluslararası bir çalışmada deneyimli endoskopistler bile yapay zeka tarafından oluşturulan görüntüleri gerçek kolonoskopi görüntülerinden güvenilir bir şekilde ayırt edemedi. Endoskopi Uluslararası Açık'ta yayınlanan çalışma, sentetik tıbbi görüntüleme verilerinin ne kadar gerçekçi hale geldiğini ve eğitim ve yapay zeka eğitimi için sahip olduğu potansiyeli inceliyor.
Reklamdan sonra devamını okuyun
Kolonoskopi kolon kanserinin önlenmesinde merkezi öneme sahiptir çünkü poliplerin tanımlanmasına ve sınıflandırılmasına olanak sağlar. Doktorların eğitimi ve yapay zeka destekli yardım sistemlerinin geliştirilmesi için büyük miktarda yüksek kaliteli görüntü verisine ihtiyaç duyuluyor. Sorun, tıbbi görüntü verilerinin çok hassas olması ve bunların aktarılmasının, veri koruma ve etik konular açısından karmaşık olmasıdır. Würzburg Üniversitesi Hastanesi'nden Philipp Sodmann ve Alexander Hann liderliğindeki araştırma ekibi bu nedenle sentetik görüntülerin pratik bir alternatif olup olamayacağını incelemek istedi. Örneğin yapay zeka tarafından oluşturulan doku görüntüleri üzerine yapılan bir araştırma da benzer sonuçlara ulaştı.
Çalışma, sekiz merkezden alınan 7.000'den fazla kolonoskopi muayenesinden elde edilen 40 milyondan fazla bireysel görüntüye dayanıyordu. Araştırmacılar bu verileri, gizli difüzyon modeli olarak adlandırılan, bağırsak poliplerinin yüksek çözünürlüklü görüntülerini oluşturabilen bir görüntü yapay zekası geliştirmek için kullandılar. Çeşitli Paris sınıflarından tipik polip şekillerinin görüntüleri oluşturuldu. Ancak yazarlara göre nadir veya özellikle karmaşık bulgular henüz güvenilir bir şekilde elde edilemiyor.
Yapay zekanın oluşturduğu polipleri kim tespit ediyor?
Görsellerin gerçekçiliğini değerlendirmek için araştırmacılar kör bir çalışma yürüttü. 14 ülkedeki 46 merkezden 53 endoskopist katıldı. Katılımcılara 20'si gerçek ve 20'si yapay zeka tarafından oluşturulan polip görüntüsü dahil olmak üzere rastgele sırayla 40 görüntü gösterildi. Her görüntü için bunun gerçek mi yoksa yapay olarak oluşturulmuş bir görüntü mü olduğunu belirtmeleri ve ayrıca bu karardan emin olup olmadıklarını değerlendirmeleri gerekiyordu. İlgilenen herkes www.thispolypdoesnotexist.com adresinden orada gösterilen poliplerin gerçek mi yoksa yapay mı olduğunu test edebilir ve sonunda yüksek puanın bir parçası olabilir.
Değerlendirme, yapay görüntülerin şaşırtıcı derecede ikna edici göründüğünü gösteriyor. Yapay zeka tarafından oluşturulan görüntülerin yalnızca yüzde 66'sında yapay olduğu doğru bir şekilde tanındı. Gerçek görüntüler yüzde 80 oranında doğru bir şekilde gerçek olarak sınıflandırıldı. Sınıflandırmaların genel doğruluğu yüzde 73 idi. Ayrıca katılımcıların yapay zeka tarafından oluşturulan görüntüler konusunda daha çok emin olmadıkları ve karar vermelerinin daha uzun sürdüğü de dikkat çekiciydi. Araştırmaya göre, katılan doktorlardan bazıları sıklıkla tahmin yürüttüklerini ve kendilerini yalnızca mukozal refleksler veya hafif bulanıklık gibi çok ince özelliklere yönlendirebildiklerini bildirdi.
Yazarların değerlendirmesine göre bu, oluşturulan görüntülerin gerçek poliplerin şekil, yüzey, mukozal yapı ve damar modeli gibi temel görsel özelliklerini ikna edici bir şekilde yeniden ürettiğini göstermektedir. Ekip aynı zamanda yapay zekanın eğitim görüntülerini yeniden üretip üretmediğini de araştırdı. Bu amaçla eğitim verileri, gerçek çalışma görüntüleri ve sentetik görüntüler arasındaki benzerlikler gömme ve mesafe analizleri kullanılarak karşılaştırılmıştır. Bu nedenle gösterilen sentetik görüntüler, eğitim veri setindeki en yakın komşularından farklı olduğundan, çalışma örnekleri için kullanılan orijinal görüntülerin basitçe tekrarlanması pek mümkün görünmüyor. Ancak yazarlara göre böyle bir modelin prensipte çok benzer reprodüksiyonlar üretebileceği tamamen göz ardı edilemez.
Reklamdan sonra devamını okuyun
Eğitim materyali potansiyeli
Araştırmacılar sentetik polip görüntülerinin tıbbi eğitim için önemli bir potansiyele sahip olduğunu düşünüyor. Bu tür veriler eğitim platformlarını tamamlayabilir, gizlilik endişelerini azaltabilir ve görüntülerin kullanılabilirliğini iyileştirebilir. Hann, Haberler online'da şöyle açıklıyor: “Özellikle endoskopide, iyi bir eğitim materyali üretmek neredeyse imkansızdır çünkü fotoğraflanan kanser öncesi lezyonlar her zaman farklı görünür. Burada, sentetik görüntülerin, muayeneyi yapanlar için en büyük öğrenme başarısını oluşturmak amacıyla kanser öncesi lezyonların boyut veya şekil gibi temel özelliklerini özel olarak simüle edebilmesi konusunda büyük bir potansiyel görüyorum.”
(mack)
Bir yanıt yazın