Skip to main content
Bu sayfa, otomatik çeviri yardımıyla görüntülenmektedir. İngilizce olarak görüntülenmesini ister misiniz?

Tıp uzmanları için yapay zeka desteği

Gerardo Hermosillo Valadez | Siemens Yılın Mucitleri | Ömür Boyu Başarı

X-ışınları, BT taramaları ve MRG'ler gibi görüntüleme teknolojileri, onlarca yıldır doktorlara hastanın vücudundaki kemik ve doku yapılarının ayrıntılı görüntülerini vererek yardımcı oluyor. “Tüm bu teknolojiler bize, yalnızca doğru yorumlanabilirse teşhis konusunda yardımcı olan görüntü verilerini sağlıyor. Örneğin, birinin X-ışını görüntüsündeki ince çizginin bir kemiğin kırıldığını gösterdiğini anlaması veya bir MRI taramasından elde edilen büyük miktarda verideki olağandışı kütleyi fark etmesi gerekiyor” diyor Lifetime Achievement kategorisinde 2024 Yılının Mucidi Siemens Healthineers'den (SHS) Gerardo Hermosillo Valadez. “Bölümüm, tıbbi görüntüleri yorumlayabilen ve böylece sağlık personelini rahatlatabilen ve destekleyebilen AI süreçleri üzerinde çalışıyor. “

Yapay zeka ile görüntü yorumlama

A man in a suit and tie is standing in front of a building with a large window.

Gerardo Hermosillo Valadez 2024 Yılının Mucidi: Buluşu anatomik zekayı geliştiriyor

İnsanlar genellikle resimlerdeki şeyleri tespit etmede çok iyidir. Örneğin, çoğu insan X-ışını görüntülerinde omurgayı tanımayı kolay bulacaktır - görüntüler hastanın farklı duruşları, resmin çekildiği farklı açılar, büyük veya küçük kemikler veya sağlıklı ve deforme olmuş dikenler nedeniyle çok farklı olsa bile. Bilgisayarlar bunu ancak yapay zeka kullanarak - derin öğrenme ile - ve yalnızca birçok uygun örnekle eğitilmişlerse yapabilirler. Gerado, “Yapay zeka anatomik zekayı bu şekilde geliştirebilir, böylece tıbbi görüntüler aracılığıyla yolunu bulabilir ve farklı kemikleri, organları ve dokuları doğru bir şekilde kategorize edebilir” diyor. Aynı şekilde, AI normal ve anormal doku arasında ayrım yapmayı öğrenebilir. “

Tüm SHS ürün yelpazesini şekillendiren yenilikler

Hastanelerde ve doktor ofislerinde günlük yaşamda yapay zeka odaklı görüntü tanıma için birçok farklı uygulama vardır: örneğin, bir sistem “Sağ omuz bıçağını göster” gibi bir talimata yanıt olarak doğru görüntü verilerini görüntülemeyi öğrenebilir. “Ayrıca, enjekte edilen kontrast maddenin incelenecek organa ne zaman ulaştığını belirleyen radyolojik incelemeler için otomatik destek sağlayabilir ve olası patojenik değişiklikler için görüntü verilerini analiz edebilir. Gerardo'nun ürettiği yeniliklerin çoğu, SHS ürün yelpazesinin tamamında her yerde bulunur.

Farklı AI öğrenme stratejileri

Gerardo, “Yapay zeka yalnızca eğitildiği veriler kadar iyidir” diye vurguluyor. “Bir MRI görüntüsündeki tümörleri tanımak için, önce ona sunduğumuz hem sağlıklı hem de hasta insanların binlerce görüntüsünden öğrenmiş olmalı. “Yapay zekayı eğitmek için üç temel yaklaşım vardır: denetimli öğrenme, zayıf denetimli öğrenme ve kendi kendine denetimli öğrenme. Denetimli öğrenmede, yapay zekaya her veri seti için kesin bilgi verilir: örneğin, “Görüntünün sağ üst köşesinde bir tümör var. “Zayıf denetimli öğrenmede, sadece birkaç bilgi etiketi verilir: örneğin, tümör veya tümör yok. Kendi kendini denetlemeli öğrenmede, verilerin hiçbir etiketi yoktur ve AI bağımsız olarak öğrenir: örneğin, parçaları mevcut örnek görüntülerden gizleyerek ve neye benzediklerini “tahmin ederek”.

Person in black shirt standing against white wall, holding a dark object with blurred background.

Buluşu Siemens Healthineers ürün yelpazesinin tamamını şekillendiriyor

Serious man in black shirt with tattoo standing against white wall, partially illuminated from right side

Yapay zeka, tıbbi görüntüler aracılığıyla yolunu bulmayı öğrenebilir ve doğru bir şekilde kategorize edebilir.

Neredeyse bir anatomi atlası kadar akıllı

Denetimli öğrenme, yapay zekanın öğrenmesinin en hızlı ve en verimli yoludur, ancak ilgili tüm yönleri dikkate alan yeterli eğitim verisi elde etmek zaman alıcı ve pahalıdır. Kendi kendini denetlemeli öğrenme, en fazla öğrenme süresini gerektirir, ancak yapay zeka pahalı veri etiketlemesi olmadan bağımsız olarak çalışabilir. Gerardo, “Son zamanlarda, ChatGPT tarafından kullanılanlar gibi en son kendi kendini denetlemeli öğrenme tekniklerine odaklanıyoruz” diyor. “Bu bize özellikle anatomi zekası alanında önemli bir destek verdi. Yapay zekamız artık neredeyse bir anatomi atlası kadar akıllı. Yaklaşık 200 farklı yer işareti (vücut parçaları) arasında ayrım yapabilir ve bunları görüntüleme materyalinde bulabilir.