Sağlık sektöründe kullanılan yapay zeka sistemleri, sürekli değişen koşullara uyum sağlarken aynı zamanda kararlarını açıklayabilme yetisine sahip olmalıdır. Ancak pratikte bu iki gereksinimi aynı anda karşılamak oldukça zordur.
Araştırmacılar bu soruna çözüm olarak 'Tree of Concepts' adlı yenilikçi bir framework geliştirdi. Bu sistem, derin öğrenme ağlarının uyum kabiliyeti ile karar ağaçlarının açıklanabilirlik özelliğini birleştirmeyi hedefliyor.
Sistemin çalışma prensibi oldukça akıllıca tasarlanmış. Sığ bir karar ağacı kullanarak sabit, kural tabanlı bir konsept arayüzü tanımlıyor. Ardından bir konsept darboğaz modeli, ham özelliklerden bu konseptleri tahmin etmek için eğitiliyor. En önemli yenilik, sürekli güncellemelerin sadece konsept çıkarıcı ve etiket kısmında yapılması, konsept anlamlarının ise zaman içinde sabit tutulmasıdır.
Bu yaklaşım sayesinde, sistem yeni verilerle karşılaştığında önceki öğrendiklerini unutmadan uyum sağlayabiliyor. Aynı zamanda verdiği kararların açıklaması da ardışık güncellemeler boyunca tutarlılığını koruyor.
Tıbbi veri setleri üzerinde yapılan kapsamlı testler, Tree of Concepts'in hem kararlılık hem de esneklik açısından mevcut yöntemlerden üstün performans sergilediğini kanıtladı. Bu gelişme, hastanelerde kullanılan AI sistemleri için önemli bir ilerleme anlamına geliyor.