Kuantum bilişimin erken aşamalarına karşın potansiyel kullanım alanları hızla genişliyor. Brezilya’daki São Paulo Devlet Üniversitesi (UNESP) ekibi, tıbbi görüntülerden meme kanseri teşhisini desteklemek üzere kuantum ve klasik bileşenleri bir araya getiren hibrit bir model önerdi. Çalışma, IEEE’nin 2025 CBMS (International Symposium on Computer-Based Medical Systems) kapsamında yayımlandı.
KUANTUM-KLASİK HİBRİT
Araştırmacılar, quanvolutional sinir ağı (QNN) yaklaşımıyla kuantum ve klasik katmanları tek bir mimaride birleştirdi. Model, lezyonları iyi huylu/kötü huylu olarak ayırmak için mamografi ve ultrason görüntülerine uygulandı. Hedef hastalık olarak meme kanserinin seçilmesi, 2022’de kaydedilen 2,3 milyon vaka ve 670 bin ölümle, kadınlarda en yaygın kanser türü olmasından kaynaklandı; erken tanının önemi vurgulandı.
DÖRT KÜBİTLİ KATMAN
Hibrit ağda dört kübitten oluşan kuantum katman, klasik evrişimin yerini alarak görüntülerden yerel özellikler çıkardı. Görüntü pikselleri, döndürme işlemleri ve mantık kapılarıyla oluşturulan bir kuantum devresine kodlandı; gerekli ölçümler alındıktan sonra veriler basit klasik katmanlara aktarılarak nihai sınıflandırma yapıldı. Kuantum tarafı, süperpozisyon ve dolanıklık gibi özelliklerle bilgi işlemede verim kazandırmayı hedefledi.
SİMÜLATÖRLE DOĞRULAMA
Gerçek kuantum donanımı yerine, PennyLane gibi klasik platformlarda çalışan ideal (gürültüsüz) kuantum devre simülatörleri kullanıldı. Bugünün sınırlı kübitli, pahalı ve hassas altyapı gerektiren kuantum bilgisayarlarının aksine, simülatörler devrelerin ideal davranışına hızlı erişim sağladı ve mimarinin kavramsal başarımını test etmeye imkan tanıdı.
AZ PARAMETRE, YÜKSEK ETKİ
Ekip, modeli iki veri tabanında sınadı: BreastMNIST (ultrason) ve BCDR (bölümlenmiş mamogram). Dört kübitlik devreyle kurulan hibrit ağ, testte yüzde 87,2, doğrulamada yüzde 86,1 doğruluk elde etti. Parametre sayısı 5.000 olan hibrit mimari, 11 milyon parametreli en iyi klasik ağa rekabetçi bir alternatif sundu; bu da hesaplama ve bellek verimliliği açısından dikkat çekici bir avantaj olarak öne çıktı.
KLİNİĞE GİDEN YOL
Geleneksel mamografi yorumlarının operatöre bağımlı değişkenliği, hibrit yaklaşımlarla azaltılabilir. Araştırmacılar, önerdikleri mimarinin başka tıbbi görüntüleme alanlarına—örneğin beyin lezyonlarının analizi veya mikroskopi görüntülerinde doku sınıflandırması—genişletilebileceğini belirtiyor. Amaç, başkalarınca kullanılabilecek ve geliştirilebilecek bir referans mimari ortaya koymak.
ÖLÇEK VE DONANIM
Kübit sayısının artırılması, gürültülü gerçek donanımda denenmesi ve veri çeşitliliğinin genişletilmesi, klinik geçiş için kritik. Araştırmacılar, kuantum-klasik hibritlerin “yeni bir tıbbi bilişim paradigmasının” temel taşları olabileceğini; uzun vadede öğrenme ve uyum yeteneği gelişmiş, düşük parametreli, yüksek doğruluklu sistemlerin mümkün olduğunu değerlendiriyor.
