Yapay zeka ile femur kırığı teşhisi: Türk öğrenciler dünya ikincisi

İzmir Aydoğan Yağcı Bilim ve Sanat Merkezi öğrencileri Defne Eser, Furkan Özdingiş ve Ateş Habacı, özellikle yaşlılarda sık görülen femur (uyluk kemiği) kırıklarının erken teşhisini sağlayan yapay zeka projesiyle büyük başarı elde etti. Proje, yaşlı bireylerde kemik erimesi ve düşme sonucu oluşan kırıkların hızlı ve doğru şekilde tespit edilmesini hedefliyor.

Projenin fikir aşaması, Defne Eser'in dedesinin düşme sonucu femur kemiğini kırmasıyla başladı. Kırığın geç fark edilmesi nedeniyle hareket kabiliyetini kaybeden dedesinin durumu, üç arkadaşı harekete geçirdi.

Öğrenciler, özellikle yaşlılarda ve kadınlarda daha sık görülen bu sağlık sorununa çözüm aramaya koyuldu. Avasküler nekroz gibi ciddi komplikasyonlara yol açabilen femur kırıklarının erken teşhisi için yapay zeka temelli bir sistem geliştirdiler.

Defne Eser. (Fotoğraflar sosyal medyadan alınmıştır.)

3000 RADYOGRAFİ GÖRÜNTÜSÜYLE EĞİTİLDİ

Gençler, hastanelerden elde ettikleri 3000 radyografi görüntüsünü sisteme yükleyerek yapay zekayı eğitti. Sistem, sadece belirgin kırıkları değil, mikro kırıkları da tespit edebilecek seviyeye getirildi. Şu anda sistemin doğruluk oranı %93 seviyesinde. Öğrenciler, gerçek hastanelerde kullanılabilmesi için bu oranı mümkün olduğunca %100'e yaklaştırmayı hedefliyor.

Geliştirdikleri proje ile Çin'in başkenti Pekin'de düzenlenen prestijli Uluslararası Bilimsel Yaratıcılık Yarışması'nda dünya ikincisi unvanını kazandılar. Bu başarı, Türkiye'den katılan öğrenciler arasında dikkat çeken bir derece oldu.

HEDEFİMİZ PROJEYİ HASTANELERDE KULLANMAK

Üç genç bilim insanı, projelerinin teoride kalmayıp gerçek hayatta da kullanılmasını istiyor. Amaçları, acil servislerde ve ortopedi polikliniklerinde doktorlara hızlı ve güvenilir karar desteği sunan bir yardımcı araç haline getirmek. Bu proje, aynı zamanda yapay zekanın tıbbi görüntüleme alanındaki potansiyelini gösteren önemli örneklerden biri olarak öne çıkıyor.

Defne Eser, sistemin çalışma prensibini şöyle açıkladı: "Sisteme yüklediğinizde bu sistem görseli analiz ediyor ve kırık ya da sağlam şeklinde bir sınıflandırma yapıyor. Model, doktorumuza başka bir doktormuş gibi açıklama sunuyor."