Beyin hastalıklarının teşhisinde kullanılan görüntüleme teknolojilerinin güvenilirliğini artırmaya yönelik önemli bir adım atıldı. Bilim insanları, farklı beyin haritalarından kaynaklanan tutarsızlıkları ortadan kaldıran yeni bir yapay zeka sistemi geliştirdi.
Fonksiyonel bağlanabilirlik analizi, dinlenme halindeki beyin taramalarından elde edilen verilerle büyük ölçekli beyin ağlarındaki değişiklikleri karakterize etmek için yaygın olarak kullanılıyor. Ancak bu analizlerin sonuçları, hangi beyin atlasının seçildiğine büyük ölçüde bağımlı. Her parcellasyon farklı organizasyonel özellikleri vurguladığından, bazen tutarsız ve heterojen temsiller ortaya çıkıyor.
MADCLE (Çok-Atlas Ayrıştırılmış Bağlanabilirlik Öğrenimi) adı verilen yeni sistem, farklı beyin atlaslarından türetilen fonksiyonel bağlanabilirlik matrislerini aynı anda kodlayan çok dalll bir temsil öğrenme çerçevesi sunuyor. Geleneksel yaklaşımların aksine, MADCLE atlas bazlı hastalıkla ilgili özellikleri öğreniyor ve böylece her atlasın kendine özgü avantajlarını koruyor.
Bu gelişme, nörolojik ve psikiyatrik bozuklukların teşhisinde daha tutarlı ve güvenilir sonuçlar elde edilmesine olanak sağlayabilir. Araştırma, beyin görüntüleme teknolojilerinin klinik uygulamalarda daha etkili kullanılması yönünde önemli bir adım teşkil ediyor.