- Microsoft, onkoloji alanında "dünyanın en büyük
görüntü tabanlı yapay zeka (AI) modellerini" geliştirmek üzere
patoloji yazılımı sağlayıcısı Paige ile ortaklık kurdu.
- Gıda ve İlaç İdaresi tarafından onaylanan yapay zeka
tabanlı bir patoloji ürününün geliştiricisi olan Paige, halihazırda 1
milyardan fazla görüntü türü kullanarak büyük bir temel model geliştirdi.
- Paige, Microsoft'un süper bilgisayar ve bulut bilişim
altyapısını kullanarak, bakımı iyileştirmek için kanser patolojisine
ilişkin yeni bilgiler üretebilecek bir yapay zeka modeli oluşturmayı
hedefliyor.
Paige, New York'taki Memorial Sloan Kettering Kanser
Merkezi'nde faaliyete geçtiğinden beri modellerini büyüttü. Şirket, ilk yetkili
ürünü olan Paige Prostate Detect'i geliştirmek için yapay zekasını 60.000 slayt
görüntüsü üzerinde eğitti ve potansiyel olarak kanserli alanları tespit etme
yeteneğini doğrulamak için 40.000 slayt daha kullandı. Paige, diğer kanser
türlerine doğru genişledikçe 500.000'den fazla patoloji lamına dayalı bir model
oluşturdu.
Birden fazla kanser türüne ait 1 milyardan fazla görüntü
içeren bu slaytlar daha büyük bir planın başlangıcı. Projenin bir sonraki
aşamasında Paige, 4 milyona kadar sayısallaştırılmış mikroskopi lamını dahil
edecek.
Microsoft ölçekteki bu sıçramayı destekliyor. Paige,
Microsoft'un süper bilgisayar altyapısını, modelini geniş ölçekte eğitmesini
sağlayabilecek bir kaynak olarak tanımladı ve nihayetinde teknoloji şirketinin
Azure bulut platformunu kullanarak yapay zeka yeteneklerini küresel olarak
hastanelerin ve laboratuvarların kullanımına sunmayı hedefliyor.
Microsoft Health Futures Başkan Yardımcısı ve Genel Müdürü
Desney Tan yaptığı açıklamada, "Microsoft'un dünya standartlarındaki
araştırma ve bulut altyapısını Paige'in derin uzmanlığı ve büyük ölçekli
verileriyle birleştirerek, kanser patolojisine ilişkin benzeri görülmemiş
içgörüler sağlayacak yeni yapay zeka modelleri oluşturuyoruz" dedi.
Paige bu ortaklığı hem doğruluğu artırmanın hem de yeni
yetenekleri ortaya çıkarmanın bir yolu olarak görüyor. Bu hedefe ulaşılması,
patologlara hastanın durumunu belirlemek için görüntüleri yorumlarken ek destek
sağlayabilir.
