Alibaba'nın araştırma kolu, Çin teknoloji grubunun genişleyen tıbbi yapay zeka programının en son adımı olan bilgisayarlı tomografi (BT) taramalarını okuyarak kanserler de dahil olmak üzere 150'ye yakın karın rahatsızlığını tanımlayabilen açık kaynaklı bir yapay zeka modeline sahip.
Damo Radar adı verilen model, Alibaba'nın araştırma enstitüsü Damo Academy tarafından geliştirildi ve South China Morning Post'a göre Perşembe günü Science dergisinde yayınlanan bir çalışmada açıklandı. Enstitü Cuma günü açık kaynak sürümünü duyurdu. Kapalı ticari sistemlerin aksine, açık kaynaklı bir model, hastaneler ve araştırmacılar tarafından indirilebilir, incelenebilir ve uyarlanabilir; bu, özel bir teşhis aracının lisansını asla alamayan kliniklerde benimsenmeyi hızlandırabilecek bir dağıtım modelidir. For more context on this story, see our ongoing more AI stories.
Tıbbi Görüntüleme için Genel Bir Model
Enstitü, Damo Radar'ın 18 karın organını kapsayan kontrastlı BT taramalarını analiz etmek ve kötü huylu tümörler de dahil olmak üzere çok çeşitli hastalıkları ve diğer anormallikleri tanımlamak için tasarlanmış bir görüş dili modeli olduğunu söyledi. Yaratıcıları bunu "dünyanın ilk uzman düzeyinde genel tıbbi görüntüleme modeli" olarak tanımlıyor; tek bir hastalığı tespit etmek için eğitilmiş dar bir araç yerine birçok farklı bulguyu okumayı amaçlayan tek bir sistem.
Bu genelci hırs, onu şu ana kadar kullanılan çoğu tıbbi yapay zeka sisteminden ayırıyor; bunlar genellikle tek bir görev için (örneğin, tek bir tümör türünü tespit etmek için oluşturulmuş ve doğrulanmış) bulunuyor. 146 farklı klinik bulguyu kapsayan tek bir model, eğer laboratuvar dışında da geçerli olursa, bir düzine tek amaçlı aracın bir araya getirilmesinin pratik olmadığı kanıtlanmış radyoloji departmanlarında yapay zekanın kullanılmasının ekonomisini değiştirebilir.
Model, sisteme bir görüntüde görünenleri klinisyenlerin onu tanımlamak için kullandıkları dille ilişkilendirmeyi öğreten bir yaklaşım olan klinik raporlarla eşleştirilen CT taramaları üzerinde eğitildi. Post'a göre araştırma ekibi, eğitim yönteminin eninde sonunda diğer tıbbi görüntüleme türlerine de genişletilebileceğini söyledi.
Çalışan Radyologlara Karşı Test Edildi
Başlık rakamları yaklaşık 40.000 gerçek dünya incelemesinin değerlendirmesinden geliyor. Çalışmanın bildirdiğine göre, 146 klinik bulgu karşısında Damo Radar, 1,0'ın mükemmel doğruluğu temsil ettiği tanısal performansın istatistiksel bir ölçüsü olan 0,913'lük ortalama eğri altındaki alan (AUC) elde etti.
İnsan okuyucularla karşılaştırma en fazla incelemeyi yapacaktır. Araştırmaya göre, birden fazla hastaneden 26 radyologun katıldığı bir çalışmada modelin ortalama doğruluğu, katılımcıların 23'ününkini aştı. Damo Academy, radyologların modelin yardımıyla çalıştığında, vaka başına gereken süreyi yüzde 30'dan fazla kısaltırken, kaçırılan teşhisleri önleme yeteneklerini yüzde 10 oranında artırdıklarını söyledi.
Araştırma, Zhejiang Üniversitesi'ne bağlı bir hastane de dahil olmak üzere Alibaba'nın yanı sıra birçok kurumu içeriyordu. En seçici bilimsel dergilerden biri olan Science dergisinde yayınlanan yayın, sonuçlara satıcı sponsorluğundaki kıyaslamaların çoğu zaman eksik olduğu düzeyde bir dış inceleme sağlıyor; ancak gerçek dünyadaki performans her zaman bir hastanenin gerçekte gördüğü taramalara, ekipmanlara ve hasta popülasyonlarına bağlı.
Açık Kaynak Kullanımı Neden Önemlidir
Ağırlıkların açık bir şekilde serbest bırakılması, tıbbi açıdan hassas teknoloji için dikkate değer bir seçimdir. Tescilli satıcılar genellikle tıbbi modelleri kapalı tutar ve düzenleme ve güvenliği gerekçe gösterir. Açık sürüm, bağımsız araştırmacıların arıza modlarını araştırmasına olanak tanır, hastanelerin, hasta verilerini dışarıdaki bir satıcıya göndermeden modeli kendi altyapıları üzerinde çalıştırmasına olanak tanır ve daha küçük tesislerin, normalde büyük hastane sistemleri için ayrılan yeteneklere erişmesine olanak tanır.
Bu aynı zamanda Alibaba'nın modelin nasıl kullanıldığı üzerinde daha az kontrole sahip olduğu anlamına da geliyor. Açık kullanılabilirlik, klinik onay anlamına gelmez: Her yargı bölgesindeki düzenleyiciler, modelin hastalara uygulanıp uygulanmayacağına ve nasıl uygulanabileceğine karar verecek ve hastanelerin bunu kendi ekipmanları ve popülasyonları üzerinde doğrulaması gerekecek.
Dikkat edilmesi gereken bir uyarı: South China Morning Post'un sahibi Alibaba'dır ve bu, gazetenin kendi raporunda da açıkladığı bir gerçektir. Temel çalışmanın Science dergisinde yayınlanması, araştırmanın bağımsız olarak doğrulanmasını sağlıyor ancak Cuma günkü duyurunun çerçevesi kaçınılmaz olarak şirket tarafından geliyor.
Alibaba'nın Daha Geniş Tıbbi Yapay Zeka Desteği
Damo Radar, Alibaba'nın tanısal görüntüleme alanındaki ilk adımı değil. Post'a göre Damo Academy, son yıllarını doktorların pankreas, mide ve kolorektal kanserlerin yanı sıra aort diseksiyonlarını tespit etmelerine yardımcı olacak yapay zeka tarama araçları geliştirmek için harcadı. Nisan ayında bölüm, Guangdong Genel Hastanesi gibi kurumlarla ortak geliştirilen Coca adlı bir modeli piyasaya sürdü. Şirket, BT taramalarında erken evre kolorektal kanseri tespit etmede radyologlardan daha hassas olduğunu söyledi.
Tek hastalık taramalarından genelci bir modele doğru ilerleme, daha geniş bir iddiayı yansıtıyor: Eşleştirilmiş görüntüler ve raporlar üzerinde eğitilen büyük görme dili modelleri, şu anda kıt uzmanlık zamanı gerektiren örüntü tanıma çalışmalarını absorbe edebilir. Birçok sağlık sisteminde radyolog eksikliği ciddi düzeydedir ve tarama programları, uzmanların aynı dikkatle okuyabileceğinden çok daha fazla tarama üretmektedir.
Sırada Ne Var?
Açık kaynak sürümü bir dağıtım değil, bir başlangıçtır. Modeli değerlendiren hastanelerin kendi taramalarında yerel doğrulamaya ihtiyacı olacak ve klinik kullanım, ülke bazında düzenleyici incelemelere bağlı olacaktır. Ancak bu hafta yayınlanan kanıtlar (yaklaşık 40.000 gerçek dünya sınavı, çalışan radyologlarla birebir karşılaştırma ve yapay zeka desteğiyle okuma süresinde bildirilen yüzde 30 azalma) Damo Radar'a basın bülteni olarak piyasaya sürülen çoğu modelden daha güçlü bir temel sağlıyor. Genel tıbbi görüntüleme modellerinin standart hastane araçları haline gelip gelmeyeceği veya araştırma kilometre taşları olarak kalıp kalmayacağı, günlük klinik uygulamaların daha karmaşık ortamında nasıl performans gösterdiklerine bağlı olacaktır.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
