Badacze z Laboratorium Sztucznej Inteligencji Mayo Clinic stanęli przed lada wyzwaniem podczas prac nad modelami wspomagającymi radiologów przy wykrywaniu guza mózgu. Podobnie jak w przypadku innych danych medycznych obrazy radiologiczne są słabo dostępne między innymi ze względu na prywatność danych medycznych. Sprawia to, że trenowanie modeli wykrywających tego typu choroby jest trudne a czasami niemożliwe.
Z pomocą przyszły modele generatywne modyfikujące wskazany fragment prawdziwego skanu. Już wcześniej badacze korzystali z modeli GAN (Generative Adversarial Network) jednak ich wadą okazała się mała różnorodność generowanych obrazów. Najnowszy model DDPM (Denoising Diffusion Probabilistic Models – model używany między innymi w generatywnym modelu Stable Diffusion) okazał się niezwykle skuteczny. Model może implantować realistyczny ślad guza mózgu we wskazanych, przez badaczy, obszarach obrazu radiologicznego jak również autonomicznie wybierać odpowiednie miejsca do modyfikacji. Dostępne jest demo narzędzia.
Badacze chcieliby zapoczątkować dyskusję dotyczącą wykorzystywania podobnych modeli do generowania syntetycznych obrazów radiologicznych na potrzeby trenowania sztucznej inteligencji.