A Bedőházi Zsolt által fejlesztett algoritmus több százalékkal jobban teljesített, mint az eddig használt modellek. Képünk illusztráció
Fotó: Freepik.com
Sepsiszentgyörgyről indult, Budapesten tanult, és mára a mesterséges intelligencia egyik ígéretes kutatója az orvosbiológiai alkalmazások terén. Bedőházi Zsolt fizikus végzettséggel, szoftverfejlesztői tapasztalattal és kutatói kíváncsisággal érte el, hogy algoritmusai képesek tuberkulózist kimutatni mikroszkópos képekből – gyorsabban és pontosabban, mint sok jelenlegi rendszer. Munkája nemcsak tudományos áttörés, hanem valódi eszköz lehet az életmentésben, különösen ott, ahol kevés az orvos és az erőforrás.
2025. augusztus 30., 09:002025. augusztus 30., 09:00
A mesterséges intelligencia már nemcsak beszélget, képeket generál vagy autókat irányít – ma már képes mikroszkópos képekről betegségeket felismerni, akár a tuberkulózist is, gyorsabban és pontosabban, mint sok hagyományos módszer. Egy új megközelítés gyengén felügyelt tanulással, előre betanított modellekkel és modern neurális hálókkal képes átvizsgálni tízezernyi mintát, tehermentesítve az orvosokat és esélyt adva a korai diagnózisra ott is, ahol kevés a szakember.
„Mindig jobban vonzott az absztrakt gondolkodás és a logikai modellek világa, mint a tények mechanikus felmondása” – idézte fel.
A matematika és a fizika iránti szenvedélye a budapesti Eötvös Loránd Tudományegyetemre (ELTE-re) vitte, ahol elméleti fizikából szerzett alap- és mesterfokozatot. Az első években az oktatás jelentős része tisztán matematikai jellegű volt – analízis, lineáris algebra, valószínűségszámítás – ami később kulcsfontosságú alapot adott az AI-modellek megértéséhez és fejlesztéséhez. Bár doktori képzésbe is kezdhetett volna, először a szoftverfejlesztés irányába kanyarodott. Három évet dolgozott multinacionális cégeknél, ahol szimulációk, adatfeldolgozó rendszerek és különféle alkalmazások fejlesztésében vett részt. Itt tanulta meg a nagy rendszerekben való gondolkodást, a hatékony kódolást és a gyors problémamegoldást – készségeket, amelyek később az orvosi adatok elemzésénél is felbecsülhetetlenek lettek.
Mégis ott motoszkált benne az érzés, hogy a programozás önmagában nem elég.
Bedőházi Zsolt az ELTE-n, Csabai István professzor kutatócsoportjában kezdte a PhD-t, ahol orvosbiológiai adattudományra specializálódott.
A kutatásai fókusza a mesterséges intelligencia és a gépi tanulás alkalmazása betegségek korai felismerésében, különös tekintettel azokra a helyzetekre, ahol a diagnosztikai lehetőségek korlátozottak. Ez lehet egy vidéki kórház Afrikában, vagy akár egy kis labor Délkelet-Ázsiában – a cél mindenhol ugyanaz: gyorsabb, pontosabb és olcsóbb diagnózis.
Az évek alatt Bedőházi Zsolt több nemzetközi versenyen is részt vett, melyekre olyan modellekkel nevezett be, amik különböző betegségek detektálásában segítenek. Első kiemelkedő sikere az volt, amikor emlőrák stádiumának becslésére fejlesztett AI-modellel ért el első helyezést. A feladat során a daganatos elváltozások mikroszkópos képeit kellett elemezni, és a módszer sikerét az adta, hogy a képek apró, szöveti részleteiből is képes volt következtetni a betegség előrehaladottságára.
A tuberkulózis-projekt egy nemzetközi AI-versenyből indult, ahol 75 ezer mikroszkópos képen kellett felismerni a baktérium jelenlétét. A feladatot nehezítette, hogy a pozitív minták aránya mindössze 5 százalék volt, és a képeken belül nem jelölték be a baktériumok pontos helyét.
A projekt kezdetén alapos kutatást végzett, korábbi tudományos cikkeket nézett át, hogy felmérje, más kutatók hogyan közelítették meg a hasonló problémákat. Meglepődve tapasztalta, hogy a legtöbb munka évek óta nem frissített, elavult modellekre épült, és csak viszonylag kis adathalmazokat használtak.
„Volt egy-két adatbázis, ami ígéretesnek tűnt, de vagy nem működött a letöltési link, vagy a kutatócsoport nem válaszolt a megkeresésre” – mesélte.
Így az algoritmusnak a teljes képből kellett megtanulnia, milyen jellemzők utalhatnak fertőzésre, ami jóval bonyolultabb feladat, mint egy előre kijelölt régió elemzése.
Fotó: Lukácsi Lehel
Bedőházi Zsolt így teljesen új megközelítést választott.
Módszere több szakaszból áll:
Ez a gyengén felügyelt tanulásra építő módszer kiemelkedő pontosságot ért el, és Zsolt megnyerte vele a versenyt.
Ez komoly úgynevezett „domain shift” problémát vetett fel: a tanítóképek és a mikroszkópos felvételek jellemzői jelentősen eltértek egymástól. Ennek ellenére az algoritmus képes volt alkalmazkodni az új feladathoz, ami azt mutatta, hogy a kiválasztott megoldás robusztus és jól általánosítható – ez pedig ritka erény az orvosi AI-modellek világában.
Ez a különbség klinikai környezetben hatalmas jelentőségű, főleg olyan országokban, ahol a diagnózis sokszor csak egyetlen mikroszkópos vizsgálaton múlik. Ott, ahol kevés a szakember, az AI nem kiváltja, hanem támogatja az orvos munkáját – előszűri a mintákat, kiemeli a gyanús eseteket, és így rengeteg időt és energiát spórol.
Bedőházi Zsolt célja az volt, hogy a módszert nemzetközi tudományos folyóiratban is publikálja. Ez azonban hosszú és néha frusztráló folyamatnak bizonyult: a cikk négy javítási körön ment keresztül, kilenc hónap telt el az első beküldéstől a megjelenésig, és közben az újság szerkesztői is többször változtak.
Az egyik felülvizsgálat során hiperparaméter-optimalizálást kértek – ami több száz különböző modellkonfiguráció kipróbálását jelentette. Ehhez a tajvani partner biztosított hozzáférést egy rendkívül drága, nagy teljesítményű szerverhez, amely lehetővé tette, hogy Zsolt mindössze 48 óra alatt lefuttassa a számításokat. Az optimalizálás kb. 3 százalékos pontosságnövekedést hozott – ami már 90 százalék feletti alapértékeknél is jelentős ugrás.
A tuberkulózis ma is az egyik vezető fertőző halálok világszerte, évente több mint 1,5 millió ember életét követelve. Sok fejlődő országban a diagnózis kizárólag mikroszkópos vizsgálaton alapul – időigényes, monoton és könnyen hibázható feladat.
Ez nemcsak az eredményességet növeli, hanem a szakemberek idejét is felszabadítja.
Bedőházi Zsolt szerint a mesterséges intelligencia orvosbiológiai alkalmazásai most élik fénykorukat – a számítási kapacitás és az adatmennyiség soha nem látott lehetőségeket teremt.
Iratkozzon fel hírlevelünkre, hogy elsőként értesüljön a hírekről!
A miniszterelnök ellenőrző testülete lezárta a parajdi bányakatasztrófa után elkezdett vizsgálatait az Országos Sóipari Társaságnál (Salrom) és a vízügyi igazgatóságnál (ANAR).
Péntek este egy medve jelent meg a Fehér megyei Magyarbénye (Biia) település iskolájának udvarán – közölte a Fehér Megyei Csendőrség.
Romániában az utóbbi években aggasztó mértékben megnövekedett az aranysakálok száma: a legfrissebb kutatások szerint ezek a ragadozók ma már több egyedet számlálnak, mint a medvék és a farkasok együttvéve.
Súlyos biztonsági hiányosságokra hívta fel a figyelmet egy aradi édesapa, miután hatéves kislányát egy 30 centiméteres csempe találta fejbe a Gyerekpalota egyik mosdójában.
Hamarosan átalakulhat a települések közigazgatási besorolása Romániában: Cseke Attila fejlesztési miniszter szerint túl magasak a jelenlegi lakosságszám-küszöbök a városok és municípiumok esetében.
A Richter-skála szerint 3,4-es erősségű földrengés történt pénteken 1 óra 41 perckor Buzău megyében – közölte az országos földfizikai intézet (INCDFP).
A parajdi sóbánya bezárása nyomán állás nélkül maradt személyek fejenként 9000 lej értékű gyorssegélyt kapnak az államtól.
Együttműködési megállapodást kötöttek csütörtökön Sepsiszentgyörgyön a Kovászna megyében található kórházak vezetői azzal a céllal, hogy közösen keressenek megoldást a térségben fokozódó orvoshiányra.
Újjáépítési terv kidolgozását kéri a bányakatasztrófa által sújtott Parajd és térsége számára a román kormánytól a korrupcióellenes megmozdulásokat szervező Declic közösség.
Családtag sérelmére elkövetett emberölés gyanúja miatt indult büntetőeljárás egy 40 éves Brassó megyei férfi ellen, aki halálra késelte élettársát.
Látogatottsági adatok
szóljon hozzá!