ScribblePrompt si basa su un modello di apprendimento avanzato, addestrato su un vasto dataset di 54.000 immagini mediche provenienti da 65 fonti diverse. Questo gli permette di interpretare efficacemente le interazioni degli utenti, che possono utilizzare varie modalità come tratti a mano libera, clic e riquadri di selezione per segmentare le aree di interesse.
La caratteristica distintiva di ScribblePrompt è la sua capacità di adattarsi in tempo reale al feedback degli utenti, migliorando costantemente le proprie previsioni. Questo approccio interattivo non solo accelera il processo, ma aumenta anche la precisione delle segmentazioni del 15% rispetto ai metodi tradizionali.
In uno studio condotto con esperti del settore, il 93,8% dei ricercatori nel campo della neuroimaging ha dichiarato che ScribblePrompt era più efficace del Segment Anything Model (SAM) di Meta nel migliorare le segmentazioni in risposta alle correzioni manuali.
L'interfaccia intuitiva di ScribblePrompt facilita l'interazione naturale con i dati di imaging, rendendo il processo di segmentazione più accessibile ed efficiente per i professionisti medici. Questo strumento promette di alleggerire notevolmente il carico di lavoro manuale nell'analisi delle immagini mediche, contribuendo a una diagnosi più rapida e precisa.
Con ScribblePrompt, il MIT dimostra ancora una volta il suo impegno nell'innovazione tecnologica al servizio della salute, offrendo una soluzione che potrebbe avere un impatto significativo sulla pratica clinica e sulla ricerca medica.