Derin öğrenme modellerinin en büyük sorunlarından biri, eğitildikleri verilerden farklı kaynaklardan gelen veriler karşısında performanslarının düşmesidir. Bu durum özellikle tıbbi görüntü analizi alanında kritik sonuçlar doğurabiliyor.
Araştırmacılar, COVID-19 tespiti için göğüs röntgeni görüntülerini analiz eden yapay zeka modellerini inceledi. Bu modeller, eğitildikleri hastaneden farklı bir hastaneye ait görüntüler üzerinde test edildiğinde beklenmedik başarısızlıklar gösteriyor. Bunun nedeni, modellerin gerçek hastalık belirtileri yerine, belirli cihaz veya hastaneye özgü görüntü özelliklerini öğrenmesi.
Çözüm olarak önerilen yöntem oldukça basit: eğitim sürecinde görüntülere çeşitli türlerde kontrollü gürültü eklemek. Gaussian, speckle, Poisson ve tuz-biber gürültüsü gibi farklı teknikler denendi.
Sonuçlar oldukça etkileyici. Normal koşullarda eğitilen modeller ile farklı kaynaklardan gelen test verileri arasındaki performans farkı 0.10-0.20 aralığındayken, gürültü ekleme tekniği kullanıldığında bu fark 0.01-0.06 seviyesine düştü.
Bu yaklaşım, yapay zeka sistemlerinin gerçek dünya uygulamalarında daha güvenilir çalışması için önemli bir adım sayılıyor.