MRI cihazları, kritik hastalıkların teşhisinde önemli rol oynasa da maliyetleri nedeniyle erişimi sınırlı kalabiliyor. Yeni bir tam boy MRI sisteminin fiyatı $1.1 milyon seviyesinden başlıyor ve birim başına $3 milyonun üzerine çıkabiliyor. Açık kaynaklı çözümler geliştiren Open Source Imaging Initiative ise bu soruna daha ulaşılabilir bir alternatif sunmak için OSI2 ONE adlı taşınabilir MRI tarayıcısı üzerinde çalışıyor.
OSI2 ONE’ın en dikkat çekici tarafı, 3D baskılı bir çekirdeğe sahip olması ve farklı ülkelerde birden fazla kez çoğaltılmış olması. Ancak bu taşınabilir sistemin önemli bir teknik sınırı var: Manyetik alan gücü yalnızca 50mT. Bu değer, geleneksel tam boy cihazlarda yaygın olan 1.5T ile 3T aralığının oldukça altında kalıyor. Bunun doğal sonucu olarak sistem daha düşük uzamsal çözünürlük ve daha zayıf sinyal-gürültü oranı sunuyor.
Gündeme gelen temel iddia ise modern AI tekniklerinin bu eksikleri belirli ölçüde telafi edebileceği yönünde. Yaklaşım, genel amaçlı üretken AI araçlarından farklı. Burada söz konusu olan, yüksek alanlı MRI verileri üzerinde özel olarak eğitilmiş ya da MRI cihazının fiziksel davranışlarını modele dahil eden sistemler. Amaç; gürültüyü azaltmak, alan düzensizliklerini düzeltmek ve ham veri toplama sınırlarının ötesinde daha temiz ve daha anlamlı görüntüler üretmek.
Bu tarz yöntemler yeni değil. Araştırmacılar uzun süredir MRI verilerinde AI destekli görüntü işleme teknikleri kullanıyor. Haberde verilen örneğe göre bazı çalışmalar, demans tespitinde doğruluğu artırmak için 1.6 milyon beyin taramasıyla eğitilmiş modellerden yararlanıyor. Benzer şekilde, düşük alanlı bir cihazdan gelen veriler de uygun biçimde eğitilmiş ağlar ve fizik temelli modellerle daha kullanışlı hale getirilebilir.
Veri erişimi konusu da açık kaynak yaklaşımının önemli parçalarından biri. Bir kurumun anonimleştirilmiş hasta verilerine erişimi yoksa, sentetik veri üretimi alternatif olarak öne çıkıyor. OSI2 ONE’ın açık kaynak yapısı sayesinde cihazın teknik detayları kamuya açık durumda. Bu da araştırmacıların sistemin çalışma prensiplerini temel alan fizik modelleri kurarak AI eğitiminde farklı yollar denemesine imkan tanıyor.
Elbette bu tür bir çözümün sıkı biçimde düzenlenen sağlık sistemlerinde hemen yaygınlaşması beklenmiyor. Buna karşın yaklaşımın hedefi, ileri seviye tıbbi altyapıya erişimi düşük bölgeler ya da tam boy bir MRI cihazını satın alma ve kurulum maliyetini karşılayamayan hastaneler gibi görünüyor. Yenilenmiş MRI sistemlerinin bile $100,000 seviyesinden başladığı, ayrıca özel oda ve altyapı gerektirdiği düşünüldüğünde bu fark daha net ortaya çıkıyor.
Sonuç olarak OSI2 ONE, pahalı tam boy MRI cihazlarının görüntü kalitesine ulaşmayacak olsa da, etkili ve doğru çalışan özel AI modelleriyle birlikte daha düşük maliyetli bir tanı aracı haline gelebilir. Bu da özellikle daha sınırlı bütçeye sahip hastane ve kliniklerin görüntüleme teknolojilerine erişimini artırma potansiyeli taşıyor.
