Cambridge önderliğindeki araştırma ekibi, yarı milyonun üzerinde kan filmi görüntüsüyle eğitilmiş bir generatif yapay zeka sistemi olan CytoDiffusion’un, insan uzmanlardan daha yüksek doğruluk ve tutarlılıkla anormal hücreleri tespit edebildiğini gösterdi. Model, yalnızca kategorilere ayırmak yerine hücre morfolojisinin tüm çeşitliliğini öğreniyor; bu sayede nadir ve kafa karıştırıcı örnekleri de güvenle işaretleyebiliyor. CytoDiffusion ayrıca kendi tahminlerinin ne kadar güvenilir olduğunu nicelendirerek ‘bilmediğini bilme’ yani metacognitive yetenek sergiliyor. Araştırmacılar veriyi açık hale getirip sistemi klinik destek aracı olarak konumlandırıyor, ancak daha geniş doğrulama ve hız iyileştirmelerine ihtiyaç olduğunu vurguluyor.
CytoDiffusion adı verilen yeni nesil bir yapay zeka aracı, kan hücrelerinin şekil ve yapısını inceleyerek lösemi gibi kan hastalıklarının ince bulgularını tespit etmede umut verici sonuçlar veriyor. Araştırma ekibi, sistemin insan hematologlara kıyasla daha yüksek hassasiyetle anormal hücreleri tanımlayabildiğini ve kararlarında daha tutarlı olduğunu belirtiyor. Özellikle sistemin kendi belirsizliğini nicelendirip hata yapma olasılığını öngörebilmesi, klinik uygulamalarda güven artırıcı bir özellik olarak öne çıkıyor.
Teknik olarak CytoDiffusion, DALL‑E gibi görüntü üreten generatif modellerde kullanılan yaklaşıma dayanıyor; amaç yalnızca önceden tanımlanmış sınıflara ayırmak değil, kan hücrelerinin tüm doğal görünüm dağılımını modellemek. Ekip, modeli Addenbrooke’s Hospital’da toplanan yarım milyondan fazla periferik kan filmi görüntüsüyle eğittiğini ve bu büyüklükte bir veri kümesinin bu alanda görülmemiş olduğunu söylüyor. Bu yaklaşım, farklı laboratuvarlar, mikroskoplar ve boyama teknikleri arasındaki varyasyonlara dayanıklılığı artırıyor ve nadir anormalliklerin saptanmasını kolaylaştırıyor.
Ayrıca araştırmacılar, CytoDiffusion’un gerçekçi sentetik kan hücresi görüntüleri üretebildiğini; deneyde deneyimli hematologların bu yapay görüntüleri gerçeğinden ayırt edemediğini rapor ettiler. Takım, çalışmanın bir parçası olarak yarım milyondan fazla kan filmi görüntüsünü açık erişime sunduğunu belirtiyor; amaç global araştırmacıların yeni modeller geliştirmesini ve doğrulama yapmasını kolaylaştırmak. Yine de yazarlar, sistemin klinikte kullanımı için hız, daha geniş hasta popülasyonlarında doğrulama ve adalet (fairness) değerlendirmelerinin gerekli olduğunu vurguluyor.
Araştırmanın baş yazarlarından Simon Deltadahl ve ortak yazarlar, CytoDiffusion’un hekimleri tamamen ikame etmek için değil, rutin örnekleri otomatik işleyip endişe verici vakaları öne çıkararak klinik karar süreçlerini desteklemek üzere tasarlandığını belirtiyor. Çalışma Nature Machine Intelligence dergisinde yayımlandı; proje BloodCounts! konsorsiyumunun Imaging çalışma grubunca yürütüldü ve destekçiler arasında Wellcome, British Heart Foundation ile çeşitli NHS merkezleri yer alıyor.
