Prostat kanseri teşhisinde kullanılan çok parametreli MR görüntüleme, T2-ağırlıklı görüntüler ile difüzyon sekanslarını birleştirerek kanserin invaziv olmayan tespitini sağlıyor. Ancak pratikte difüzyon görüntüleri, T2 görüntülerine kıyasla hareket ve artefakt sorunlarına daha sık maruz kalıyor.
Araştırmacılar bu sorunu çözmek için Modalite-İzole Kapılı Füzyon (MIGF) adında yeni bir yapay zeka modülü geliştirdi. Bu sistem, farklı görüntü türlerini önce ayrı ayrı işliyor, sonra öğrenilmiş bir kapı mekanizmasıyla birleştiriyor. Ayrıca eksik veri durumlarına karşı dayanıklılık kazandırmak için modalite bırakma eğitimi uyguluyor.
PI-CAI veri setinde 1.500 çalışma üzerinde yapılan testlerde, MIGF modülü altı farklı yapay zeka mimarisinde denenmiş ve yedi farklı eksik modalite senaryosunda değerlendirilmiş. Sonuçlar, UNet, nnUNet ve Mamba mimarilerinde sırasıyla %2.8, %4.6 ve %13.4 oranında performans artışı gösterdi.
Bu gelişme özellikle klinik ortamlarda önemli. Çünkü gerçek hayatta MR görüntüleri her zaman mükemmel kalitede alınamıyor. MIGF sistemi, görüntülerin bir kısmı eksik veya bozuk olsa bile güvenilir tanı koyabilme yeteneği sunuyor. Bu da prostat kanseri erken teşhisinde yapay zekanın daha yaygın kullanımına kapı aralayabilir.