Verimlilik Devrimi: Kompakt Yapay Zeka Modelleri Beyin MRI Analizinde Devleri Nasıl Geride Bıraktı?

Yapay zekanın hızla gelişen dünyasında, GPT ve DINO gibi devasa transformer modellerinin başarısıyla beslenen "daha büyük olan daha iyidir" mantrası anlatıya büyük ölçüde hakim oldu. Ancak, tıbbi görüntülemenin yüksek riskli alanındaki yeni bir atılım, stratejik verimliliğin ve alan uzmanlığının saf hesaplama ölçeğinden daha değerli olabileceğini gösteriyor. Pedro M. Gordaliza, Jaume Banus ve Benoît Gérin liderliğindeki bir araştırma ekibi; kompakt ve uzmanlaşmış modellerin, 3D beyin MRG analizinin karmaşık görevinde daha büyük muadilleriyle sadece rekabet etmekle kalmayıp, onlardan önemli ölçüde daha iyi performans gösterebildiğini kanıtladı.

Beyin MRG Temel Modellerinin Yükselişi

Temel modeller (Foundation models - FM), yapay zekada bir paradigma değişimini temsil ediyor. Belirli bir tekil görev için eğitilen geleneksel modellerin aksine, temel modeller devasa ve etiketlenmemiş veri kümeleri üzerinde öz-denetimli öğrenme (self-supervised learning - SSL) kullanılarak önceden eğitilir; bu da onların minimum etiketli veriyle çok çeşitli alt görev uygulamaları için ince ayarlanmasına olanak tanır. Bu modeller doğal dil işleme ve 2D bilgisayarlı görü alanlarında devrim yaratmış olsa da, 3D tıbbi görüntülemeye —özellikle nörogörüntülemeye— uygulanmaları zorlu bir engel olarak kalmıştır. Beynin anatomik karmaşıklığı, volumetrik MRG verilerinin yüksek boyutlu doğası ve çekim protokollerindeki değişkenlik ile birleştiğinde, standart yapay zeka mimarileri için benzersiz bir darboğaz oluşturur.

Bu engelleri aşmak için tıbbi görüntüleme topluluğu, MICCAI 2025 konferansında iki dönüm noktası niteliğinde yarışma düzenledi: 3D Tıbbi Görüntüleme İçin Öz-Denetimli Öğrenme Yarışması (SSL3D) ve Beyin MRG İçin Temel Model Yarışması (FOMO25). Bu yarışmalar, temel modellerin heterojen klinik veri kümeleri genelinde ne kadar iyi genelleme yapabildiğini değerlendirmek için ilk titiz ve standartlaştırılmış kriterler olarak hizmet etti. Sadece SSL3D yarışması, 800 farklı veri kümesine yayılan 34.191 denekten alınan 114.000'den fazla 3D hacimden oluşan eşi benzeri görülmemiş bir veri kümesi derledi. Lozan Üniversite Hastanesi (CHUV), Lozan Üniversitesi (UNIL) ve CIBM Biyomedikal Görüntüleme Merkezi gibi kurumları temsil eden araştırma ekibi, şaşırtıcı derecede yalın bir yaklaşım kullanarak birincilikleri bu rekabetçi arenada elde etti.

Küçük Yapay Zeka, Devasa Transformer'lara Karşı

Araştırmacıların başarısından elde edilen en çarpıcı bulgulardan biri, Konvolüsyonel Sinir Ağlarının (CNN'ler), özellikle de U-Net mimarisinin, şu anda moda olan Transformer tabanlı modeller üzerindeki süregelen hakimiyetidir. FOMO25 ve SSL3D yarışmalarında, transformer tabanlı başvuruların hiçbiri kazanan CNN yönteminin performansına yetişemedi. Bu eşitsizlik, kritik bir teknik sınırlamayı vurguluyor: Transformer'lar, 2D veya metin tabanlı görevlerde güçlü olsalar da, 3D volumetrik belirteçleme (tokenization) tarafından oluşturulan devasa belirteç sayılarını işlerken karesel karmaşıklıktan (quadratic complexity) muzdariptir. Bu durum, modellerin etkili bir şekilde yönetebileceği mekansal çözünürlüğü ve bağlamı sınırlayan hesaplamalı bir darboğaz yaratır.

Araştırma ekibinin modeli, ViT-L DINOv2 3D gibi rakip transformer tabanlı yaklaşımlardan yaklaşık 10 kat daha küçük olmasına rağmen üst düzey performansını sergiledi. Daha büyük modeller genellikle yüz milyonlarca parametreye sahip olmakla övünürken, kazanan CNN tabanlı mimari yalnızca 20 milyon parametre kullandı. Bu daha küçük ayak izine rağmen ekip, transformer tabanlı rakiplerine kıyasla segmentasyon görevlerinde %2,5 daha yüksek ortalama Dice skoru ve sınıflandırma görevlerinde %8'lik bir doğruluk artışı bildirdi. Bu durum, yapay zekanın "acı dersi"nin —yani genel yöntemlerin nihayetinde ölçek yoluyla kazanacağı görüşünün— 3D tıbbi görüntülemenin karmaşık ve kaynak kısıtlı dünyasında henüz geçerli olmayabileceğini düşündürüyor.

Alan Bilgisinin Gücü

Ekibin başarısının sırrı, anatomik öncüllerin (priors) ve nörogörüntüleme alan bilgisinin modelin mimarisine entegre edilmesinde yatıyordu. Gordaliza, Banus ve Gérin, 3D hacimleri jenerik veri noktaları olarak ele almak yerine, sistemlerini denekten bağımsız anatomik yapıları kontrasta özgü patolojik özelliklerden ayrıştıracak şekilde tasarladılar. Modeli, belirli anatomik özelliklerin farklı MRG kontrastlarında (T1 ağırlıklı veya T2 ağırlıklı görüntüler gibi) ve zaman noktalarında tutarlı kaldığını tanımaya zorlayarak, sinir ağına sahte korelasyonlar öğrenmesini veya hesaplama kestirmelerine sapmasını engelleyen bir "tümevarımsal önyargı" (inductive bias) sağladılar.

SSL3D yarışması için araştırmacılar, öğrenilen temsilleri iki ayrı bileşene ayırdılar: biri tek bir deneğin tüm görüntüleri genelinde anatomik segmentasyonlarla eşleşecek şekilde kısıtlandı, diğeri ise patolojiyi tespit etmek için optimize edildi. FOMO25 ayağında ise, ön eğitim sırasında aynı deneğin farklı taramaları arasında temsilleri değiştirerek bir kontrastlar arası yeniden yapılandırma hedefi uyguladılar. Bu alana özgü rehberlik, modelin farklı tarayıcı üreticilerinin veya çekim ayarlarının gürültüsünde kaybolmak yerine, klinik bağlamda gerçekten önemli olan şeye —temeldeki biyolojik gerçekliğe— odaklanmasını sağladı.

Hız ve Verimlilik Kriterleri

Bu araştırmanın pratik sonuçları doğruluk skorlarının ötesine geçiyor; verimlilikteki kazanımlar da aynı derecede dönüştürücü. Ekip, modellerinin transformer alternatiflerinden bir ila iki kat daha hızlı eğitildiğini bildirdi. FOMO25 yarışmasında, CNN modeli ön eğitim için 36 GPU saatinden daha az bir süreye ihtiyaç duyarken, daha büyük transformer modelleri 100 ila 1.000 saate ihtiyaç duydu. Eğitim süresindeki bu azalma sadece araştırma hızını artırmakla kalmıyor, aynı zamanda üst düzey tıbbi yapay zeka geliştirme ile ilişkili karbon ayak izini de önemli ölçüde düşürüyor.

Ayrıca, bu "önce verimlilik" yaklaşımı temel modellere erişimi demokratikleştiriyor. DINOv3 gibi devasa 7 milyar parametreli modeller endüstriyel ölçekte bilgi işlem kümeleri gerektirirken, ekibin 20 milyon parametreli modeli, daha küçük araştırma kurumları ve hastaneler için erişilebilir olan donanımlarda eğitilebilir ve ince ayarlanabilir. Bu erişilebilirlik, modellerin devasa sunucu çiftliklerine ihtiyaç duymadan genellikle yerel donanım kısıtlamalarına ve belirli hasta popülasyonlarına uyarlanması gereken yapay zekanın klinik dağıtımı için hayati önem taşıyor.

Açık Bilim ve Gelecekteki Etkiler

Açık bilime olan bağlılıklarının bir göstergesi olarak araştırmacılar, kazanan modellerini ve kodlarını GitHub üzerinden jbanusco/BrainFM4Challenges adresinde kullanıma sundular. Bu araçları paylaşarak, diğer araştırmacıların üzerine inşa edebileceği sağlam bir başlangıç noktası sağlamayı ve bazılarının "sağlık hizmetleri için Yapay Genel Zeka (AGI)" olarak adlandırdığı şeyin gelişimini potansiyel olarak hızlandırmayı hedefliyorlar. Ekibin çalışması, alanda büyüyen bir farkındalığın altını çiziyor: Evrensel tıbbi yapay zekaya giden yol daha fazla parametreyle değil, mevcut tıbbi bilginin daha akıllı ve prensipli bir şekilde kullanılmasıyla döşenmiş olabilir.

Geleceğe bakıldığında, bu kompakt modellerin başarısı, yapay zekanın tıptaki gelecekteki yörüngesi hakkında önemli soruları gündeme getiriyor. Transformer'ların sonunda daha büyük veri kümeleri veya daha verimli dikkat (attention) mekanizmaları ile mevcut sınırlamalarını aşacağını bekleyip beklemeyeceğimiz belirsizliğini korurken, MICCAI 2025'ten çıkarılan dersler net. Şimdilik, insan beynini analiz etmenin en etkili yolu, beynin yapısını temelden "anlayan" yapay zekalar inşa etmektir. Alan daha genel modellere doğru ilerledikçe, boylamsal yörüngelerin, tamamlayıcı kontrastların ve anatomik öncüllerin entegrasyonu, klinik yapay zeka geliştirme için muhtemelen altın standart olmaya devam edecektir.