Bir tibbi təsvir üçün ağlabatan etiket xəritələri təqdim etməklə, Tyche maşın öyrənmə modeli klinisyenlərə və tədqiqatçılara vacib məlumatları əldə etməyə kömək edə bilər.

Biotibbdə seqmentləşdirmə orqan və ya hüceyrə kimi tibbi təsvirdəki mühüm strukturdan piksellərin qeyd edilməsini əhatə edir. Süni intellekt modelləri müəyyən xəstəlik və ya anomaliya əlamətləri göstərə bilən pikselləri vurğulamaqla klinisyenlərə kömək edə bilər.

Bununla belə, bu modellər adətən yalnız bir cavab verir, halbuki tibbi görüntünün seqmentasiyası problemi çox vaxt qara və ağdan uzaqdır. Beş mütəxəssis annotator beş fərqli seqmentasiya təqdim edə bilər, bəlkə də ağciyər CT görüntüsündə nodülün sərhədlərinin mövcudluğu və ya ölçüsü ilə razılaşmır.

Diaqnozda qeyri-müəyyənliyi qəbul etmək

“Seçimlərin olması qərar qəbul etməyə kömək edə bilər. Hətta tibbi görüntüdə qeyri-müəyyənliyin olduğunu görmək belə, kiminsə qərarlarına təsir edə bilər, ona görə də bu qeyri-müəyyənliyi nəzərə almaq vacibdir,” MIT kompüter elmləri doktoru namizədi Marianne Rakic ​​deyir.

Rakic, MIT, MIT və Harvard Geniş İnstitutu və Massaçusets Ümumi Xəstəxanasında tibbi görüntüdəki qeyri-müəyyənliyi ələ keçirə bilən yeni AI alətini təqdim edən məqalənin aparıcı müəllifidir.

Tyche-nin təqdimatı

Tyche (Yunanların şans ilahiliyi üçün adlandırılmış) kimi tanınan sistem, hər biri tibbi təsvirin bir qədər fərqli sahələrini vurğulayan çoxlu ağlabatan seqmentasiyalar təqdim edir. İstifadəçi Tyche çıxışlarının neçə variantını təyin edə və öz məqsədləri üçün ən uyğununu seçə bilər.

Əhəmiyyətli olan odur ki, Tyche yenidən təlim keçmədən yeni seqmentləşdirmə tapşırıqlarının öhdəsindən gələ bilər. Təlim bir modelə çoxlu nümunələr göstərməyi əhatə edən və geniş maşın öyrənmə təcrübəsi tələb edən məlumat tələb edən bir prosesdir.

Yenidən təlimə ehtiyac olmadığı üçün Tyche klinisyenler və biotibbi tədqiqatçılar üçün bəzi digər üsullardan daha asan istifadə edilə bilər. O, ağciyər rentgenoqrafiyasında lezyonların müəyyən edilməsindən tutmuş beyin MRT-də anomaliyaların təyin edilməsinə qədər müxtəlif vəzifələr üçün “qutudan kənar” tətbiq oluna bilər.

Nəhayət, bu sistem digər süni intellekt vasitələrinin qaçıra biləcəyi potensial mühüm məlumatlara diqqəti cəlb etməklə diaqnozları təkmilləşdirə və ya biotibbi tədqiqatlara kömək edə bilər.

“Qeyri-müəyyənlik kifayət qədər öyrənildi. Əgər modeliniz üç mütəxəssisin var və iki mütəxəssisin olmadığını dediyi bir nodülü tamamilə əldən verirsə, bu, çox güman ki, diqqət etməli olduğunuz bir şeydir “deyə Harvard Tibb Məktəbinin və MGH-nin dosenti, baş müəllif Adrian Dalca və bir araşdırma əlavə edir. MIT Kompüter Elmləri və Süni İntellekt Laboratoriyasının (CSAIL) alimi.