İnqrid Fadelli , Medical Xpress tərəfindən

Stephanie Baum tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

BrainIAC platforması, www.brainiac-platform.com saytında tədqiqat icması üçün mövcuddur. Müəllif: Nature Neuroscience (2026). DOI: 10.1038/s41593-026-02202-6

Süni intellekt (Sİ) sistemləri məlumatlardakı nümunələri müəyyən etməyi, dəqiq proqnozlar verməyi və ya məzmun (məsələn, mətnlər, şəkillər, videolar və ya səs yazıları) yaratmağı öyrənə bilən hesablama modelləridir. Bu modellər müxtəlif tapşırıqları etibarlı şəkildə yerinə yetirə bilər və hazırda müxtəlif sahələrdə köklü tədqiqatlar aparmaq üçün də istifadə olunur.

Son bir neçə onillikdə bəzi süni intellekt modelləri müəyyən xəstəliklərin və ya neyropsixiatrik vəziyyətlərin erkən diaqnozu və öyrənilməsi üçün perspektivli olduğunu sübut etmişdir. Məsələn, maqnit rezonans görüntüləmə (MRT) kimi tanınan qeyri-invaziv texnikadan istifadə edərək toplanan çoxlu sayda beyin skanlarını təhlil etməklə, süni intellekt şişlər, insultlar və neyrodegenerativ xəstəliklərlə əlaqəli nümunələri aşkar edə bilər ki, bu da bu vəziyyətlərin diaqnozuna kömək edə bilər.

Mass General Brigham, Harvard Tibb Məktəbi və digər institutların tədqiqatçıları bu yaxınlarda müxtəlif tapşırıqları həll etmək üçün uyğunlaşdırıla bilən geniş MRT məlumat bazası üzərində əvvəlcədən təlim keçmiş böyük bir süni intellekt sistemi olan Brain Imaging Adaptive Core (BrainIAC) hazırladılar. Nature Neuroscience jurnalında dərc olunmuş məqalədə təqdim olunan bu təməl modelin, müəyyən tibbi və ya nevrologiya ilə əlaqəli tapşırıqları yerinə yetirmək üçün təlim keçmiş bir çox modeldən daha yaxşı nəticə göstərdiyi aşkar edilmişdir.

Məqalənin baş müəllifi Benjamin H. Kann Medical Xpress-ə bildirib ki, “ABŞ-da hər il aparılan milyonlarla beyin MRT-si daxilində çoxlu məlumat xəzinəsi var. Adətən, bu skanlar insanlar tərəfindən müəyyən bir səbəbdən təhlil edilir, lakin bu, bu skanların bizə xəstələrimiz haqqında məlumat verə biləcəyi hekayənin yalnız səthini qaşıyır. Süni intellekt və qabaqcıl hesablama görüntüləmə texnikaları ilə bu skanlardan əvvəlkindən daha çox məlumat əldə edə bilərik – bu da insultdan xərçəngə, demensiyaya qədər müxtəlif kəskin və xroniki xəstəlikləri izləmək, eləcə də xəstələr üçün gələcək riskləri proqnozlaşdırmaq üçün güclü, klinik cəhətdən faydalı yollara səbəb ola bilər.”Beyin şişinin mutasiya statusunu təyin etməyə çalışarkən alqoritmin harada “fokuslandığını” göstərən BrainIAC alqoritminin nümunə çıxışı. Müəllif: Nature Neuroscience (2026). DOI: 10.1038/s41593-026-02202-6

BrainIAC təməl modeli

Kann və həmkarları tərəfindən hazırlanmış ümumi model olan BrainIAC, MRT istifadə edərək toplanan ümumi 48.965 beyin görüntüləmə skanları üzərində əvvəlcədən təlim keçib . Model, modellərə əsasən etiketlənməmiş məlumatlardan nümunələr öyrənməyə imkan verən özünüidarəetmə təlimi kimi tanınan bir yanaşma vasitəsilə təlim keçib.

Bu geniş təlim vasitəsilə model insan beyninin quruluşu və onun təşkilinin əsasını təşkil edən qanunauyğunluqlar haqqında məlumat əldə etdi. İlkin hazırlıqdan sonra model xəstənin MRT müayinələrindən spesifik xəstəliklərin və neyropsixiatrik vəziyyətlərin irəliləməsini aşkar etmək və ya öyrənmək üçün uyğunlaşdırıla bilər.

Kann izah etdi ki, ” Kontrastlı öyrənmə adlanan bir şeydən istifadə edən bu “əvvəlcədən təlim” , onu sadəcə bir şeyi proqnozlaşdırmaq üçün bir modeli öyrədən əksər MRT süni intellekt alqoritmlərindən fərqləndirir. Bu əsas baza biliklərindən istifadə edərək, alət daha sonra müxtəlif beyin xəstəliklərini müəyyən etmək, onların şiddətini müəyyən etmək və bu xəstəliklərdən gələcək riskləri proqnozlaşdırmaq üçün uyğunlaşdırıla bilər.”

Tədqiqatlarının bir hissəsi olaraq, tədqiqatçılar modellərini uyğunlaşdırdılar və Alzheimer xəstəliyi , autizm, demans, beyin şişləri, Parkinson xəstəliyi və insult da daxil olmaqla müxtəlif xəstəlikləri aşkar etmək qabiliyyətini qiymətləndirdilər. Maraqlıdır ki, onlar modellərinin bu xəstəliklərin əksəriyyətini yaxşı dəqiqliklə proqnozlaşdıra bildiyini və hər birinə asanlıqla uyğunlaşa bildiyini, əlavə təlim tələb etmədiyini aşkar etdilər.

Kann bildirib ki, “Bu modeli tək tapşırıqlar üzrə təlim keçmiş digər modellərlə müqayisə edərkən, modelin bəzən tək tapşırıq üçün hazırlanmış təlim keçmiş modeldən 10 dəfə az, bəzən isə daha çox nəticə göstərməsi üçün təlim məlumatlarına ehtiyacı var idi. Bu o deməkdir ki, model bir çox müxtəlif növ beyin xəstəliklərini proqnozlaşdırmaq üçün əsas ola bilər.”

Tibbi və nevrologiya tədqiqatları üçün perspektivli bir vasitə

Gələcəkdə BrainIAC modeli daha da təkmilləşdirilə və daha böyük bir MRT məlumat bazası üzərində əvvəlcədən təlim keçilə bilər. Bundan əlavə, bu , kompüter tomoqrafiyası (KT) skanları, yüksək qətnaməli mikroskopiya şəkilləri, torlu qişa şəkilləri, ultrasəs qeydləri və müəyyən orqanların digər hissələrinin skanları kimi digər görüntüləmə məlumatları üzərində təlim keçmiş digər təməl süni intellekt modellərinin inkişafına ilham verə bilər.

“Düşünürik ki, bu alqoritm tədqiqatçılara və klinisyenlərə məhdud miqdarda məlumat səbəbindən əvvəllər mümkün olmayan bir çox müxtəlif beyin xəstəlikləri üçün süni intellektdən istifadə etməyə kömək edə bilər”, – deyə Kann bildirib.

BrainIAC alqoritmi açıq mənbəlidir və xüsusi veb saytında onlayn olaraq mövcuddur . Digər tədqiqat qrupları artıq modeldən beyinlə əlaqəli müxtəlif vəziyyətləri öyrənmək, onların yaranmasını aşkar etmək və irəliləməsini izləmək üçün istifadə etməyə başlayıblar.

Kann əlavə edib ki, “Artıq çox maraq görmüşük və Alzheimer xəstəliyi və travmatik zədələnmə kimi müxtəlif beyin xəstəlikləri üçün BrainIAC-ı araşdırmaq üçün müxtəlif qruplarla əməkdaşlıq edirik”.

Müəllifimiz İnqrid Fadelli tərəfindən sizin üçün yazılmış, Stefani Baum tərəfindən redaktə edilmiş və Robert Egan tərəfindən faktlar yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu reportaj sizin üçün vacibdirsə, xahiş edirik ianə etməyi düşünün (xüsusilə aylıq). Təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Nəşr detalları

Divyanshu Tak və digərləri, İnsan beyninin MRT-sinin təhlili üçün ümumiləşdirilə bilən təməl model, Nature Neuroscience (2026). DOI: 10.1038/s41593-026-02202-6 .

BrainIAC alqoritminə daxil olun .

Jurnal məlumatları: Təbiət Neyrologiyası 

Əsas tibbi anlayışlar

Maqnit Rezonans GörüntüləməAlzheimer xəstəliyiParkinson xəstəliyiBeyin şişləri

Klinik kateqoriyalar

NevrologiyaDiaqnostik radiologiya

© 2026 Science X Network

Daha ətraflı araşdırın