Bu sorun sadece Çin’de görülen kanser görülme sıklığı değil, ülkenin çoğunda kaliteli sağlık hizmeti eksikliği ilede etkili. Bu da, kanserlerin genellikle çok geç fark edilmesine sebep oluyor. Chen Kuan İnfervision’un CEO’suna göre: Makine öğrenimi ve görüntü işleme ile kanser teşhisini kolaylaştıracağını ve bunun bir akademik konu olmadığını söyledi.
Kuan’ın Halası Çin’de Mianyang şehrinde 5.4 milyon nüfuslu bir şehirde yaşamaktadır. O da binlerce insan gibi geç teşhis ve hastane hizmeti eksikliğinden dolayı zor durumda kaldı. Kuan’a göre bu konuda yeterince kalifiye doktor bulunmamaktadır. Çünkü doktorlar her gün birçok hastaya bakmak zorunda kaldığı için teşhis için yeterince zaman ayırmamaktadırlar. Bu araştırmalar daha çok radyolojiler üzerinde oluyor. Kuan, 2012 yılında Chicago Üniversitesi’nde Ekonomi ve Politika alanında doktora eğitime devam ederken derin öğrenmeyle tanışmış ve İnfervision’a katılmıştır.
Bir grup Çinli arkadaşla birlikte, Kuan derin öğrenmeye ve yapay zeka ile ilgili uygulamalara ilgi duyduğunu söyledi. Ancak Kuan, iki yıl önce Çin’de düzenlenen bir konferansata derin öğrenme ve görüntü işleme üzerine yaptığı konuşmada Infervision düşüncesi kesinleşti. Çin hastanelerinde yaşayan binlerce hastadaki kanser teşhisini iyileştirmek için makine öğrenmesini kullanma fırsatı gördü. Doktora programından ayrıldı ve Çin’e taşındı. Geçtiğimiz iki yılda Çin’in önde gelen risk sermaye şirketi Sequoia Capital China gibi yatırımcılar tarafından desteklenen şirket, Nvidia’nın sponsorluğunda GPU Tech Konferansı’na katıldı. Şirket, 2003 yılında SARS salgınından bu yana Çin hastanelerinde yer alan dijital bir altyapıyı kullanıyor. Çin’deki dijital sağlık kayıtlarında saklanan görüntülerden eğitim verilerini alıyor ve bunları şirketin ürettiği teknoloji ile gerçek zamanlı olarak topladığı verilerle birleştiriyor. Bu sistem Çin’deki yirmi hastanede kullanılıyor. (Peking Union Tıp Koleji ve Şanghay Changzheng Hastaneleri dahil.)
Infervision, teknolojisini geliştirmek ve iyileştirmek için GE Healthcare, Cisco ve Nvidia ile birlikte çalışmaktadır. Şirket geçen yılki ilk kurulumundan bu yana yaklaşık 100.000 CT tarama ve 100.000 x-ışın işleme gerçekleştirmiştir. Eğitim prosedürleri Kuan’a göre iki ayrı bileşene ayrılmıştır. İlki, verilerin radyologlardan toplanması ve şirketin geliştirdiği yazılımın eğitim verilerine dahil edilmesi. İkincisi yazılımın güncel bir sürümünün (en son eğitim verileri dahil) hastanelerin ağına kurulması. Kuan; “Bu teknoloji hiçbir şekilde doktorların yerini almaz. Çok tekrarlı çalışmanın ortadan kaldırılması için tasarlanmıştır. ”dedi.
Her çeyrek düzenli olarak güncellediğimiz Yapay Zeka Girişimleri Haritası, 2025 yılının ilk çeyrek verileriyle birlikte… Devamı
Stanford Üniversitesi İnsan Merkezli Yapay Zeka Enstitüsü (HAI) tarafından hazırlanan 2025 Yapay Zeka Endeksi Raporu,… Devamı
Yapay zeka teknolojisinde tarihi bir dönüm noktası yaşandı. OpenAI tarafından geliştirilen GPT-4.5 ve Meta’nın LLaMa-3.1… Devamı
91. TRAI Meet-Up: 2017 yılından bu yana gerçekleştirilen TRAI Meet-Up etkinlikleri, Türkiye'nin yapay zeka ekosisteminin… Devamı
Google, yapay zeka alanındaki en son yeniliği olan Gemma 3 modelini resmi olarak duyurdu. Tek… Devamı
Günümüz yapay zeka teknolojilerinin en büyük sınırlamalarından biri, enerji tüketimi ve öğrenme hızı gibi faktörlerdir.… Devamı