Amerika Birleşik Devletleri'nin en önemli bilim fonlama kuruluşlarından NSF (Ulusal Bilim Vakfı), yer bilimciler için sağladığı doktora sonrası araştırma burslarını tamamen kaldırdığını duyurdu. Bu karar, genç yer bilimcilerin kariyerlerini geliştirmelerini destekleyen kritik finansman kaynağının ortadan kalkması anlamına geliyor. Jeoloji, atmosfer bilimleri, okyanus bilimleri ve çevre bilimleri gibi alanlarda yeni mezun doktoralı araştırmacılar, artık NSF'den doktora sonrası fellowship desteği alamayacak. Bu durum, iklim değişikliği araştırmaları ve doğal afet çalışmaları gibi kritik yer bilimi alanlarında genç yeteneklerin yetişmesini olumsuz etkileyebilir.

Bristol Üniversitesi'nden bir doktora öğrencisinin liderlik ettiği araştırma, dünyanın en uzak yerlerinden birindeki kar ve buzullarda gelişen mikroskobik alg topluluklarını ortaya çıkardı. ISME Communications dergisinde yayımlanan bu çalışma, Dr. Emily Broadwell'in kutup ve alpin araştırmalarının bir parçası olarak gerçekleştirilen fiziki coğrafya doktorası kapsamında yürütüldü. Araştırma, buzul ekosistemlerinin yükselen küresel sıcaklıklara nasıl tepki verdiği konusunda şaşırtıcı yeni bulgular sunuyor. Bu keşif, ekstrem koşullarda yaşayan mikroorganizmaların çeşitliliğini ve iklim değişikliğine adaptasyon yeteneklerini anlamamız açısından büyük önem taşıyor.

Araştırmacılar, tıbbi teşhis ve tedavide devrim yaratabilecek yeni bir yapay zeka modeli olan Haiku'yu geliştirdi. Bu model, 1600'den fazla hastadan alınan doku örneklerindeki protein dağılımı, mikroskop görüntüleri ve klinik verileri aynı anda analiz edebiliyor. Geleneksel yöntemlerin aksine, Haiku üç farklı veri türünü birleştirerek daha doğru tanı koyabiliyor ve hastalık belirteçlerini tespit edebiliyor. Model, özellikle kanser araştırmalarında kullanılan multipleks immünfloresan görüntüleme tekniği ile elde edilen 26.7 milyon doku parçasından öğrendi. Test sonuçları, Haiku'nun tek modaliteli sistemlere kıyasla çok daha başarılı olduğunu gösteriyor. Bu teknoloji, gelecekte doktorların hastalıkları daha erken ve doğru teşhis etmesine, kişiye özel tedavi planları hazırlamasına yardımcı olabilir.

Polonya Bilimler Akademisi araştırmacıları, proton terapisinde kullanılan ışınların enerjisini her tedavi öncesi kontrol edebilen yenilikçi bir zamanlama aracı geliştirdi. Bu teknoloji, kanser hücrelerini yok etmek için kullanılan proton ışınlarının hassasiyetini önemli ölçüde artıracak. Bronowice Siklotron Merkezi'nde geliştirilen iki farklı çözüm, doktorların ve fizikçilerin radyoterapi uygulamalarında daha kesin sonuçlar elde etmesini sağlıyor. Proton terapisi, geleneksel radyoterapiye göre sağlıklı dokuları daha az zarar verirken kanser hücrelerini etkili şekilde hedef alabilen gelişmiş bir tedavi yöntemi olarak kabul ediliyor.

Milyonlarca hekim günlük pratiğinde ChatGPT'yi kullanıyor ancak bu etkileşimlerin ne kadar etkili olduğu belirsizdi. Araştırmacılar, yapay zeka modellerinin tıbbi performansını gerçek doktor-AI sohbetleri üzerinden değerlendiren HealthBench Professional adlı yeni bir ölçüm sistemi geliştirdi. Bu benchmark, hekimlerin en sık başvurduğu üç ana alanda AI'ın başarısını ölçüyor: hasta konsültasyonu, tıbbi yazım-dokümantasyon ve medikal araştırma. Her örnek, gerçek hekimler tarafından yazılan ChatGPT konuşmalarından oluşuyor ve üç veya daha fazla doktor tarafından değerlendiriliyor. Sistem, mevcut AI modellerinin zorlandığı durumları özellikle içeriyor ve gelecekteki gelişmeleri takip etmeye olanak sağlıyor.

Araştırmacılar, geleneksel tıbbi danışmanlık sistemlerinin yetersizliklerini gidermek için DoctorAgent-RL adlı yenilikçi bir yapay zeka sistemi geliştirdi. Büyük dil modelleri genellikle gerçek klinik ortamlarda zorlanır ve hastalardan tüm semptomları tek seferde açıklamalarını bekleyen sistemler belirsiz şikayetlere yol açar. Yeni sistem, pekiştirmeli öğrenme tekniklerini kullanarak dinamik karar alma süreçlerini modelliyor. Qwen2.5-7B-Instruct modeli üzerinde eğitilen bu doktor ajanı, cevapları bilmek yerine doğru soruları sormayı öğrenen bir metodoloji geliştiriyor. Çok ajanlı işbirlikçi çerçeve, tıbbi konsültasyonları belirsizlik altındaki dinamik süreçler olarak ele alıyor ve geleneksel diyalog modellerinin statik öğrenme sınırlarını aşmayı hedefliyor.

Acil servislerde hastaların öncelik sıralaması yapılırken yaşanan tutarsızlıklar ve hatalar ciddi bir sorun oluşturuyor. Araştırmacılar, bu soruna çözüm olarak küçük boyutlu yapay zeka modellerini test etti. Çalışmada, açık kaynak kodlu Qwen2.5-7B modeli, acil servis triyaj notlarını analiz ederek hastaların aciliyet seviyelerini belirleme konusunda başarılı sonuçlar verdi. Model, özellikle pediatrik triyaj verilerle eğitildikten sonra, hem doğruluk hem de istikrar açısından büyük gelişim gösterdi. Bu yaklaşım, hasta mahremiyetini korurken doktorlara güvenilir karar destek sistemi sunma potansiyeli taşıyor. Araştırma, pahalı büyük dil modellerine alternatif olarak, daha küçük ve verimli modellerin tıbbi uygulamalarda etkili olabileceğini gösteriyor.

Hastalar artık elektronik sağlık kayıtlarına doğrudan erişebiliyor ancak bu karmaşık tıbbi bilgileri anlamakta zorlanıyor. Araştırmacılar, hastaların sorularını elektronik sağlık kayıtlarındaki bilgilerle eşleştiren yeni bir yapay zeka sistemi geliştirdi. HealthNLP_Retrievers takımının oluşturduğu sistem, Gemini 2.5 Pro dil modelini kullanarak hasta sorularını analiz ediyor ve uzun klinik notlardan ilgili kanıtları buluyor. Dört modüllü sistem, önce hasta sorularını özetliyor, sonra klinik cümleleri puanlayarak sıralıyor ve profesyonel düzeyde yanıtlar üretiyor. Bu yaklaşım, hasta-doktor iletişimini güçlendirerek sağlık kayıtlarının daha anlaşılır hale gelmesini sağlayabilir.

Sağlık alanında büyük dil modellerinin yaygınlaşmasıyla birlikte, bu sistemlerin değerlendirilmesi kritik hale geldi. Araştırmacılar, yapay zekanın yapay zekayı değerlendirdiği 'LLM-as-a-Judge' yaklaşımını inceledi. Bu sistem, uzman doktor görüşüne alternatif olarak öne çıkıyor ancak güvenlik endişeleri de beraberinde getiriyor. 11 bin 727 çalışmanın tarandığı kapsamlı araştırmada, bu alandaki 49 çalışma detaylı olarak incelendi. Sonuçlar, teknolojinin hızla benimsendiğini ancak doğrulama süreçlerinin yetersiz kaldığını ortaya koyuyor. Çalışmaların çoğunda uzman validator sayısının sadece 3 olduğu, bazılarında ise hiç uzman görüşü alınmadığı tespit edildi.

MIT araştırmacıları, robotik ultrason teknolojisinde çığır açan bir gelişme gerçekleştirdi. SAMe adlı yeni sistem, robot ultrason cihazlarına anatomik anlayış kazandırarak, hangi bölgeyi tarayacağını ve nereden başlayacağını bağımsız olarak belirleyebilmesini sağlıyor. Tek bir vücut görüntüsünden hastaya özel anatomik harita oluşturan sistem, doktor müdahalesi olmadan tarama işlemini başlatabiliyor. Bu teknoloji, tıp robotiklerinde otomasyon seviyesini önemli ölçüde artırarak, ultrason tetkiklerinin daha erişilebilir ve verimli hale gelmesini vaat ediyor.

Araştırmacılar, hasta verilerinde eksik bilgileri akıllıca işleyebilen yeni bir yapay zeka sistemi geliştirdi. Hastane ortamında bazı tetkik sonuçları, görüntüler veya vital bulgular eksik olabilir. Bu durum, doktorların karar vermesini zorlaştırdığı gibi yapay zeka sistemlerinin de performansını düşürür. Yeni yaklaşım, büyük dil modellerinde kullanılan tekniklerden ilham alarak hasta verilerini zaman içinde sıralı bir hikaye gibi işliyor. Sistem, eksik verilerin varlığını göz önünde bulundurarak farklı tıbbi veri türlerini birleştiriyor ve daha güvenilir tanı önerileri sunuyor. MIMIC-IV ve eICU gibi büyük hasta veri tabanları üzerinde yapılan testlerde, mevcut yöntemlere göre daha iyi sonuçlar elde edildi. Bu gelişme, özellikle acil servis ve yoğun bakım gibi verinin kısıtlı olduğu ortamlarda tıbbi yapay zeka uygulamalarının etkinliğini artırabilir.