Yazan: Michael P. Recht & Daniel K. Sodickson
Çeviren: Esranur Maral
Düzenleyen: Ümit Sözbilir
Özet: Yeni araştırma, yapay zekâ (AI) ile üretilen hızlı Manyetik Tınlaşım Görüntüleme (MRI) taramalarının, geleneksel MRI kadar etkili olduğunu ve tanı açısından birbirlerinin yerine kullanılabileceğini buldu.
Sonuçlar hasta deneyimini önemli ölçüde iyileştirebilir, MRI’lara erişimi genişletebilir ve potansiyel olarak MRI için yeni kullanım durumlarını etkinleştirebilir.
New York Grossman Tıp Fakültesi ve FacebookAI’daki araştırmacılar, bu çalışma için bir sinir ağı kurdular. İki yıl önce FacebookAI ile başlattığı FastMRI girişiminin bir parçası olarak New York Langone Health tarafından oluşturulan ve paylaşılan dünyanın en büyük açık kaynaklı diz MRI veri setini kullanarak sinir ağını eğittiler. Yapay zekâ (AI) modeli, bir tarama oluşturmak için kullanılan ham verilerin yaklaşık dörtte üçünü çıkararak, geleneksel ve daha yavaş MRI işlemi tarafından oluşturulan taramayla eşleşen hızlı bir MRI taraması üretebildi. Hızlı MR taramaları dört kart daha az veri gerektirdiğinden hastalar çok daha hızlı görüntülenebilir ve tarama makinesinde daha az zaman harcar.
Kas-iskelet radyologları, 108 hastadan 2 set diz MRI’yi 1 seti standart görüntüleme tekniklerini kullanarak ve diğer seti FastMRI yapay zekâ (AI) modelini kullanarak gözden geçirdiler. American Journal of Roentgenology’de yayımlanan sonuçlar, radyologların değerlendirmelerinde önemli bir farklılık bulmadı. Radyololar aynı anormallikleri buldular ve geleneksel olanı mı yoksa yapay zekâ (AI) tarafından üretilen MRI’ları mı incelediklerinden bağımsız olarak aynı tanılara ulaştılar. Ek olarak, tüm radyologlar yapay zekâ (AI) ile hızlandırılmış görüntülerin geleneksel olanlardan daha iyi kalitede olduğuna karar verdiler.
New York Üniversitesi Langone Radyoloji Bölümü Başkanı, Louis Marx Radyoloji Profesörü ve aynı zamanda çalışmanın başyazarı olan Michael P.Recht, “Bu çalışma, yapay zekâ ile hızlandırılmış MRI taramalarının klinik kabulü ve kullanımına yönelik önemli bir adımdır çünkü ilk kez yapay zekâ tarafından oluşturulan görüntülerin temelde geleneksel klinik MRI incelemelerinden görünüşte ayırt edilemez olduğunu ve tanısal doğruluk açısından birbirinin yerine konulabilir olduğunu gösterdi.” dedi. “Bu, hasta deneyimini nasıl iyileştirebileceğimiz ve görüntüler oluşturabileceğimiz konusunda heyecan verici bir dizi değişikliğe işaret ediyor.”
Çalışma Ayrıntıları
Çalışma, yapay zekâ tarafından oluşturulan görüntülerin güvenilir bir şekilde aynı tanılarla sonuçlanacağını ve tıpkı geleneksel görüntülerde olduğu gibi radyologların ihtiyaçlarını karşılayacağını göstermek için tasarlandı. Çalışma için, 6 kas-iskelet radyoloğu New York Üniversitesi Langone Health’de değerlendirilen 108 test hastasının 2 set diz MRI’sini inceledi.
Her hasta vakası için iki set MRI oluşturuldu: geleneksel görüntüleme tekniklerini kullanan bir set ve FastMRI yapay zekâ (AI) modelini kullanan bir set. Taramaları değerlendiren radyologlara yapay zekâ (AI) ile hangi görüntülerin oluşturulduğu söylenmedi -ön yargı ihtimalini sınırlandırmak için- geleneksel görüntülerin ve yapay zekâ (AI) ile hızlandırılmış görüntülerin değerlendirmeleri ez az bir ay arayla yapıldı.
Radyologlar; menisküs yırtığı, bağ anormallikleri ve kıkırdak kusurları gibi patoloji görüntüleri sistematik olarak değerlendirdiler ve bunları yapılandırılmış bir rapora not ettiler. Gözden geçirilenlerden ayrıca görüntü kalitesini derecelendirmeleri ve görüntünün yapay zekâ (AI) ile oluşturulduğuna inanıp inanmadıklarını söylemeleri istendi. Radyologlar, her vaka için yapay zekâ (AI) ile hızlandırılmış ve geleneksel MRI’ları inceledikten sonra tanılarında tutarsızlık olup olmadığını görmek için sonuçları karşılaştırıldı.
Radyoloji Bölümü araştırma başkan yardımcısı ve İleri Görüntüleme Yeniliği ve Araştırma Merkezi yöneticisi Daniel K. Sodickson, “Bu sonuçlar bizi son derece cesaretlendiriyor. Ayrıca, bulgularımızı geliştirmek için başkalarını FastMRI verilerini ve açık kaynak kodunu kullanmaya teşvik ediyoruz. Yapay zekâyı yalnızca insanlar tarafından gerçekleştirilen görevleri kopyalamak için değil aynı zamanda hastaların bakımını iyileştiren çok hızlı MRI gibi tamamen yeni yetenekler oluşturmak için kullanarak tıbbi görüntülemenin sınırlarını birlikte zorlamaya devam edeceğiz.” dedi.
FastMRI için Sonraki Adımlar
New York Üniversitesi Langone ve FacebookAI araştırmacıları, FastMRI’nın beyin gibi diğer hayati organlarla çalıştığını göstermek istiyor. FastMRI; açık kaynaklı bir proje olarak verilerini, modellerini ve kodunu yayımladı. Böylece diğer araştırmacılar ve ayrıca ticari MRI sistemleri üreticileri, çalışmalarını geliştirip yeni fikirlere katkıda bulunabilirler. FastMRI ekibi, bu açık yaklaşımın klinik uygulamaya doğru ilerlemeyi hızlandıracağını ve MRI taramalarını hızlandırmak için yapay zekâ (AI) kullanmanın yeni yollarına öncülük ediyor.
