İSTANBUL (AA) - Yandex B2B Tech, Yandex Veri Analizi Okulu ve Saint-Petersburg Devlet Pediatrik Tıp Üniversitesi işbirliğiyle 12 aydan küçük bebeklerde beyin gelişimini değerlendiren yapay zeka tabanlı çözümü geliştirildi.

Şirketten yapılan açıklamaya göre, geliştirilen sinir ağı sayesinde, birkaç dakikada beyin MR'ı analizleri otomatik yapılıyor.

Serebral palsi ve diğer merkezi sinir sistemi hastalıklarıyla ilgili şüpheli durumlarda doktorlara karar desteği sunan bu teknoloji, etkili rehabilitasyon stratejilerinin belirlenmesine önemli katkı sağlıyor.

Genellikle daha anne karnındayken ya da doğumdan kısa süre sonra bebeklerde görülen, beyin dokusundaki kalıcı hasar sonucunda ortaya çıkan ve hareket etme kabiliyetini azaltan serebral palsi hastalığı, dünya genelinde çocukluk çağında ortaya çıkan engelliliğin başlıca nedenlerinden biri olarak öne çıkıyor.

Dünya Sağlık Örgütü'ne (DSÖ) göre, her 1000 doğumda tahminen 2-3 çocuk bu rahatsızlıktan etkileniyor. Türkiye'de ise, 2016-2022 arasında 18 yaş altı çocuklar üzerinde yapılan kapsamlı bir araştırmada, görülme sıklığının 1000 çocukta 7,74 olduğu tespit edildi. Bu durum, güvenilir ve erken tanı araçlarına ve etkili rehabilitasyon planlamasına olan ihtiyacı ortaya koyuyor.

Erken tanı, hastalığın seyri ve etkili bir rehabilitasyon için büyük önem taşıyor ancak serebral palsiyi yaşamın ilk 12 ayında saptamak, modern tıbbın en zor alanlarından biri olarak kabul ediliyor. Bebek beyninin olağanüstü hızlı gelişimi ve beyin MR'ında gri ve beyaz madde arasındaki kontrastın düşük olması, yani beynin korteksini oluşturan ve üst düzey işlevleri sağlayan dokuların birbirinden zor ayırt edilmesi, tanı sürecini oldukça güçleştiriyor.

- Yarışma, veri eksikliğini ortaya çıkardı

2019'da düzenlenen MICCAI Grand Challenge yarışmasında, katılımcılardan iSeg-2019 veri setini kullanarak 6 aylığa kadar olan bebeklerin beyin MR görüntülerini bölümlendirmeleri istendi. Yarışma, dünyanın dört bir yanından geliştiricileri bir araya getirdi ancak önemli bir sorun olan açıklanabilir veri eksikliğini de ortaya çıkardı.

Özellikle, klinik kullanım amacıyla yapay zeka modellerini eğitmek için gerekli olan gri ve beyaz maddenin ana hatlarını gösteren segmentasyon maskeleri çok azdı. Bu eksikliği gidermek amacıyla Yandex araştırmacıları, tıp uzmanlarıyla birlikte yeni açıklamalar oluştururken, özel bir sinir ağı mimarisi geliştirdi ve kapsamlı makine öğrenimi deneyleri yürüttü.

Yandex B2B Tech, Yandex Veri Analizi Okulu ve Saint-Petersburg Devlet Pediatrik Tıp Üniversitesi işbirliğiyle 12 aydan küçük bebeklerde beyin gelişimini değerlendiren yapay zeka tabanlı çözümü geliştirildi.

Sonuçta ortaya çıkan model, yapılan iç değerlendirmelerde bebek beyinlerinde gri ve beyaz maddeyi ayırt etmede yüzde 90'ın üzerinde bir doğruluk oranına ulaştı ve klinik uygulamalar için güçlü bir potansiyel sergiledi.

Türkiye'de sağlıkta yapay zeka uygulamaları giderek yaygınlaşıyor. Sağlık Bakanlığının, Sağlık Bilgi ve Yönetim Sistemleri Topluluğu (HIMSS) ve diğer uluslararası sivil toplum kuruluşlarıyla yürüttüğü işbirlikleri sayesinde Türkiye, dijital hastane altyapısı ve veri entegrasyonu konusunda bölgesinde öncü konumda bulunuyor.

- Ücretsiz sunuluyor

Yandex'in beyin MR'ı değerlendirmeye yönelik yapay zeka çözümü açık kaynaklı ve ücretsiz olarak sunuluyor. Böylece hem Türkiye'de hem de dünyanın dört bir yanında sağlık kurumları bu sistemi kolayca kullanabiliyor ve serebral palsinin erken tanısında küresel uygulamalara katkı sağlayabiliyor.

Bu teknolojinin klinik süreçlere entegre edilmesiyle doğruluk ve objektiflik artıyor, tanı süreci hızlanıyor ve klinik verimlilik artıyor. Bu araç aynı zamanda, analiz edilmesi zor olan bebek beyin görüntülerinin yorumlanmasında daha az deneyimli uzmanlara da yardımcı olabiliyor.

Sinir ağı kodu GitHub'da erişime açık olup mevcut medikal BT sistemlerine entegre edilebiliyor.

Açıklamada görüşlerine yer verilen Yandex Bulut Teknoloji ve Toplum Merkezi Başkanı Anna Lemyakina, amaçlarının Yandex'in en gelişmiş teknolojilerini doktorların kullanımına sunarak, onların daha doğru ve zamanında teşhis koymalarını, en uygun tedavileri belirlemelerini ve yeni ilaçlar geliştirmelerini desteklemek olduğunu belirtti.

Lemyakina, 'Bu projedeki en büyük zorluk ise veri setinin kısıtlı olmasıydı. Tıp uzmanlarıyla yakın işbirliği sayesinde, radyologların aynı sürede daha fazla hastayı değerlendirmesini ve en acil durumlarda hızlıca tedavi önermesini sağlayan bir araç geliştirdik.' ifadelerini kullandı.