Kembric Universiteti tərəfindən

Sadie Harley tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriQan nümunələrində anormallıqları aşkar etmək üçün istifadə edilən generativ süni intellekt aləti olan CytoDiffusion tərəfindən təhlil edilən müxtəlif növ qan hüceyrələri. Kredit: Simon Deltadahl

Qan hüceyrələrinin forma və formasındakı anormallıqları təhlil edə bilən və insan mütəxəssislərinə nisbətən daha dəqiq və etibarlı bir süni intellekt vasitəsi leykemiya kimi vəziyyətlərin diaqnozu üsulunu dəyişə bilər.

Tədqiqatçılar qan hüceyrələrinin forma və quruluşunu öyrənmək üçün generativ süni intellektdən istifadə edən CytoDiffusion adlı sistem yaradıblar.

Sadəcə nümunələri tanımaq üçün öyrədilmiş bir çox süni intellekt modellərindən fərqli olaraq, Kembric Universiteti, London Universitet Kolleci və London Kraliça Meri Universitetinin rəhbərlik etdiyi tədqiqatçılar göstərdilər ki, CytoDiffusion normal qan hüceyrələrinin geniş diapazonunu dəqiq müəyyən edə bilər və xəstəliyi göstərə biləcək qeyri-adi və ya nadir hüceyrələri aşkar edə bilər.

Onların nəticələri Nature Machine Intelligence jurnalında dərc olunub .

Qan hüceyrələrinin ölçüsündə, formasında və görünüşündə incə fərqlərin aşkar edilməsi bir çox qan xəstəliklərinin diaqnostikasının təməl daşıdır. Ancaq tapşırıq illərlə məşq tələb edir və buna baxmayaraq, müxtəlif həkimlər çətin hallarda razılaşa bilməzlər.

Tədqiqatın ilk müəllifi Kembricin Tətbiqi Riyaziyyat və Nəzəri Fizika Departamentindən Simon Deltadahl, “Hamımızın bədənimizdə fərqli xüsusiyyətlərə və fərqli rollara malik çoxlu müxtəlif növ qan hüceyrələri var” dedi.

“Məsələn, ağ qan hüceyrələri infeksiyaya qarşı mübarizədə ixtisaslaşmışdır. Lakin qeyri-adi və ya xəstə qan hüceyrəsinin mikroskop altında necə göründüyünü bilmək bir çox xəstəliklərin diaqnostikasının vacib hissəsidir”.

Bununla belə, tipik bir qan “yaxması” minlərlə hüceyrəni ehtiva edir – hər hansı bir insanın analiz edə biləcəyindən çox.

“İnsanlar yaxmada bütün hüceyrələrə baxa bilməz – bu sadəcə mümkün deyil” dedi Deltadahl. “Bizim modelimiz bu prosesi avtomatlaşdıra, adi halları nəzərdən keçirə və insanların nəzərdən keçirilməsi üçün qeyri-adi hər şeyi vurğulaya bilər.”

“Kiçik hematologiya həkimi kimi qarşılaşdığım klinik problem, bir günlük işdən sonra analiz etmək üçün çoxlu qan filmləri ilə qarşılaşmağım idi” dedi London Kraliça Meri Universitetindən həm-baş müəllif Dr. Suthesh Sivapalaratnam.

“Geç saatlarda onları təhlil edərkən süni intellektin məndən daha yaxşı iş görəcəyinə əmin oldum.”

CytoDiffusion-u inkişaf etdirmək üçün tədqiqatçılar sistemi Kembricdəki Addenbrooke Xəstəxanasında toplanmış yarım milyondan çox qan yaxması şəklinə öyrətdi. Məlumat toplusu – öz növünün ən böyüyü – həm ümumi qan hüceyrəsi növlərini, həm də daha nadir nümunələri, həmçinin avtomatlaşdırılmış sistemləri çaşdıra bilən elementləri ehtiva edir.

Ayrı-ayrı kateqoriyaları öyrənməkdənsə, hüceyrə görünüşlərinin tam paylanmasını modelləşdirməklə süni intellekt xəstəxanalar, mikroskoplar və rəngləmə üsulları arasındakı fərqlərə qarşı daha möhkəm oldu və nadir və ya anormal hüceyrələri daha yaxşı tanıya bildi.

Testlərdə CytoDiffusion leykemiya ilə əlaqəli anormal hüceyrələri mövcud sistemlərə nisbətən daha çox həssaslıqla aşkar edə bilər. O, həmçinin çox az təlim nümunələri verilsə belə, indiki ən müasir modellərə uyğun gəlir və ya onları üstələyir; və öz qeyri-müəyyənliyini kəmiyyətlə ifadə etdi.

“Biz onun dəqiqliyini sınaqdan keçirəndə sistem insanlardan bir qədər yaxşı idi” dedi Deltadahl. “Ancaq həqiqətən diqqət çəkən yer bunun nə vaxt qeyri-müəyyən olduğunu bilmək idi. Modelimiz heç vaxt bunun dəqiq olduğunu söyləməz və sonra səhv edərdi, lakin bu, insanların bəzən etdiyi bir şeydir.”

Kembricin Tətbiqi Riyaziyyat və Nəzəri Fizika Departamentindən həmmüəllif professor Maykl Roberts, “Biz öz metodumuzu real dünyada süni intellektdə görünən bir çox problemə qarşı qiymətləndirdik, məsələn, əvvəllər görülməmiş şəkillər, müxtəlif maşınlar tərəfindən çəkilmiş şəkillər və etiketlərdəki qeyri-müəyyənlik”.

“Bu çərçivə tədqiqatçılar üçün faydalı olacağına inandığımız model performansına çoxşaxəli bir görünüş verir.”

Komanda həmçinin göstərdi ki, CytoDiffusion realdan fərqlənməyən sintetik qan hüceyrəsi təsvirləri yarada bilər. 10 təcrübəli hematoloqun iştirak etdiyi “Türinq testi”ndə insan mütəxəssisləri süni intellektlə yaradılan görüntülərdən reallığı ayırd etmək şansından daha yaxşı olmadılar.

“Bu məni həqiqətən təəccübləndirdi” dedi Deltadahl. “Bunlar bütün günü qan hüceyrələrinə baxan insanlardır və hətta bunu deyə bilmirlər.”

Layihənin bir hissəsi olaraq, tədqiqatçılar dünyanın ən böyük ictimaiyyətə açıq olan periferik qan yaxması görüntülərinin məlumat toplusunu yayımlayırlar: cəmi yarım milyondan çox.

“Bu resursu açıq etməklə, biz ümid edirik ki, dünya üzrə tədqiqatçılara yeni süni intellekt modelləri yaratmaq və sınaqdan keçirmək, yüksək keyfiyyətli tibbi məlumatlara çıxışı demokratikləşdirmək və nəticədə xəstələrə daha yaxşı qulluq göstərməyə töhfə vermək imkanı verəcəyik”, – Deltadahl bildirib.

Nəticələr ümidverici olsa da, tədqiqatçılar deyirlər ki, CytoDiffusion təlim keçmiş klinisyenləri əvəz etmir. Bunun əvəzinə, o, anormal halları tez bir zamanda nəzərdən keçirmək və daha müntəzəm olanları avtomatik idarə etmək üçün qeyd etməklə onları dəstəkləmək üçün nəzərdə tutulmuşdur.

“Səhiyyə xidmətinin süni intellektinin əsl dəyəri insan təcrübəsini daha aşağı qiymətə təxmin etməkdə deyil, həm mütəxəssislərin, həm də sadə statistik modellərin əldə edə biləcəyindən daha böyük diaqnostik, proqnoz və göstəriş gücünə imkan verməkdədir” dedi UCL-dən həm-baş müəllif, professor Parashkev Nachev.

“Bizim işimiz göstərir ki, generativ süni intellekt bu missiyanın mərkəzi olacaq, təkcə klinik dəstək sistemlərinin sədaqətini deyil, həm də onların öz biliklərinin hüdudlarına dair fikirlərini dəyişdirəcək. Bu “metakoqnitiv” şüur ​​- birinin bilmədiyini bilmək – klinik qərarların qəbulu üçün vacibdir və burada biz maşınların bizdən daha yaxşı ola biləcəyini göstəririk.”

Tədqiqatçılar deyirlər ki, sistemi daha sürətli etmək və ədalətliliyi və dəqiqliyi təmin etmək üçün müxtəlif xəstə populyasiyalarında sınaqdan keçirmək üçün əlavə iş lazımdır.

Daha çox məlumat: Qan hüceyrəsi morfologiyasının dərin generativ təsnifatı, Təbiət Maşın Zəka (2025). DOI: 10.1038/s42256-025-01122-7

Jurnal məlumatı: Nature Machine Intelligence Kembric Universiteti tərəfindən təmin edilmişdir