Samsun Üniversitesi, akciğer kanserinin erken teşhisine katkı sağlamak için yapay zeka tabanlı bir karar destek sistemi geliştiriyor. TÜBİTAK desteğiyle yürütülen projenin ilk yılı geride kaldı. Sistemle hekimlerin tomografi görüntülerindeki şüpheli bölgeler hakkında bilgi alması ve yapay zekanın değerlendirmesini hangi bulgulara dayandırdığını görmesi hedefleniyor.
Proje hangi amaçla yürütülüyor?
Projenin adı "Akciğer Kanser Teşhisi İçin Geniş Dil Modelleri ile Dikkat Mekanizmaları ve Optimizasyon Teknikleri ile Güçlendirilmiş Açıklanabilir Yapay Zeka Destekli Yeni Nesil Karar Destek Sisteminin Geliştirilmesi ve Klinik Etkilerinin Araştırılması." Amaç, hekimlerin teşhis sürecine destek olacak bir sistem kurmak. Samsun Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Dekan Vekili Prof. Dr. Zafer Cömert, ekibin akciğer hastalıklarının alt türlerini sınıflandırmaya odaklandığını söyledi.
Sistem nasıl çalışacak?
Sistem, bilgisayarlı tomografi görüntülerini girdi olarak alıyor. Hekim görüntüyü sisteme yüklediğinde şüpheli bölgeler hakkında bilgi alabilecek. Cömert, ekibin kanser türünü teşhis etmede hekimleri destekleyecek bir sistemin temellerini attığını anlattı.
Açıklanabilir yapay zeka neden önemli?
Sistem yalnızca bir sonuç üretmekle kalmayacak. Cömert'e göre yapay zekanın değerlendirmesini açıklayabilmesi, hekimlerin güvenini kazanmak için kritik. Cömert şöyle konuştu: "Hastalığa ilişkin bir olasılık değeri verebiliyoruz ama hekim doğal olarak, 'Bunu neye göre verdi?' diye sorabiliyor. Dolayısıyla buradaki süreçlerin açıklanabilir olması oldukça önemli."
Bu amaçla sistemin, tomografi görüntülerinde değerlendirmeye esas aldığı bölgeleri ısı haritalarıyla göstermesi planlanıyor. Böylece hekim, yapay zekanın görüntüde hangi alanlara baktığını izleyebilecek.
Büyük dil modeli sisteme ne katacak?
Projeyi geleneksel karar destek sistemlerinden ayıran nokta, büyük dil modeli entegrasyonu. Büyük dil modeli, çok miktarda metin verisiyle eğitilmiş ve insan benzeri dili anlayıp üretebilen bir yapay zeka sistemi olarak tanımlanıyor. Bu sayede hekimlerin sistemi kullanmak için teknik bilgiye ihtiyaç duymaması hedefleniyor.
Cömert'in anlattığına göre hekim, tomografi görüntüsünü sisteme bıraktıktan sonra sistemle doğal dille iletişim kurabilecek. Lezyonların tespiti ve modelin hangi alanlara odaklanması gerektiği gibi bilgiler doğrudan alınabilecek.
Proje hangi aşamada, sırada ne var?
Cömert, çalışmanın tamamen yerli imkanlarla yürütüldüğünü belirtti. Veri setlerinin oluşturulmasından algoritmaların geliştirilmesine kadar tüm aşamalar proje ekibince yürütülüyor. Cömert, "Projenin ilk yılında umut verici sonuçlar elde ettik" dedi.
Önümüzdeki iki yıllık süreçte şu adımlar planlanıyor:
- Optimizasyonların tamamlanması
- Algoritmanın maliyet ve verimlilik açısından en uygun noktaya getirilmesi
- Geniş dil modeli entegrasyonunun yapılması
- Sistemin klinik açıdan anlamlı bir fark yaratıp yaratmadığının değerlendirilmesi
Yapay zeka doktorun yerini alacak mı?
Cömert, sistemin hekimlerin yerini almayacağını vurguladı. Hedef, özellikle gözden kaçabilecek bulguların değerlendirilmesine katkı sunmak. Cömert, "İkinci bir göz doktorlara eşlik edecek" dedi.
Projenin sağlayacağı katkıları da şöyle özetledi: Hastalıkların daha erken teşhis edilmesi ve doktorların iş yükünün azaltılması, hem klinik hem de sosyal etki açısından önem taşıyor. Cömert, klinik olarak gerçekten anlamlı bir fark elde edilip edilmediğine bakılacağını, bu sorunun olumlu yanıtlanması halinde projenin sonlandırılacağını da ekledi.
