Araştırmacılar, elektronik hasta kayıtlarındaki hem sayısal verileri hem de klinik metinleri birlikte analiz ederek en etkili tedavi politikalarını belirlemeye yarayan yeni bir yapay zeka sistemi geliştirdi. AACE adı verilen bu sistem, hangi hastaların hangi tedavilerden en çok fayda göreceğini tahmin etmeye odaklanıyor. Geleneksel yaklaşımlar sadece tablo halindeki verileri kullanırken, bu yeni yöntem hem strukturlu verileri hem de doktor notları gibi metin içeriklerini değerlendiriyor. Sistem, tedavi kararlarında önyargıları azaltmak ve sağlık kaynaklarının daha verimli kullanılmasını sağlamak amacıyla tasarlandı. Bu gelişme, kişiselleştirilmiş tıp alanında önemli bir adım olarak değerlendiriliyor.

Tıp alanında yapay zeka sistemleri yaygınlaşırken, bu sistemlerin etik muhakeme yeteneklerini değerlendirmek kritik önem kazanıyor. Araştırmacılar, tıbbi yapay zeka sistemlerinin etik kararlarını sistematik bir şekilde değerlendirebilmek için PrinciplismQA adlı yeni bir test yöntemi geliştirdi. Bu yaklaşım, tıp etiğinin temel felsefesine dayanan Principlism çerçevesini kullanarak, yapay zekanın karmaşık etik ikilemler karşısındaki karar verme süreçlerini analiz ediyor. 3.648 uzman onaylı sorudan oluşan sistem, hem bilgi düzeyini hem de klinik muhakeme becerisini ölçüyor.

Araştırmacılar artık elite iş ve yönetim dergilerindeki makaleleri aramak, analiz etmek ve bunları yorumlamak için özel olarak tasarlanmış bir web platformu kullanabiliyor. Lishu adlı bu sistem, sadece makale bulma işlevinin ötesine geçerek, yapay zeka destekli özelliklerle araştırma sürecinin tamamını destekliyor. Platform, prestijli dergi havuzlarından veri topluyor ve kullanıcılara makale özetleri oluşturma, sanal hakemlik simülasyonu yapma ve hatta araştırma hibeleri için anlatı metinleri hazırlama imkanı sunuyor. Bu gelişme, özellikle doktora öğrencileri ve akademik araştırmacılar için literatür tarama ve analiz süreçlerini önemli ölçüde hızlandırabilir.

Araştırmacılar, ses kayıtlarından hastalık belirtilerini tespit edebilen yenilikçi bir yapay zeka sistemi geliştirdi. Sistem, hasta-doktor diyaloglarını çok katmanlı olarak analiz ederek hastalık tanısında yardımcı oluyor. Yeni yaklaşım, hastalık belirtilerinin konuşma boyunca eşit olarak dağılmadığı gerçeğini göz önünde bulundurarak, ses verilerini farklı düzeylerde (çerçeve, segment ve oturum) inceliyor. Bu çok boyutlu analiz sayesinde, sistem etiketlenmemiş verilerden de öğrenebiliyor ve daha az veriyle daha doğru sonuçlar üretebiliyor. Klinisyenlerin öznel değerlendirmelerinden kaynaklanan sorunları da aşmayı hedefleyen bu teknoloji, tıbbi teşhis süreçlerinde önemli bir yardımcı araç olma potansiyeli taşıyor.

Araştırmacılar, yoğun bakım ünitelerinde hayati risk taşıyan hastaları önceden tespit edebilen yeni bir yapay zeka sistemi geliştirdi. OC-Distill adı verilen bu teknoloji, hastaların nabız, tansiyon gibi yaşamsal bulgularını analiz ederek kritik durumları erken dönemde öngörebiliyor. Sistem, benzer hastalık geçmişine sahip hasta verilerini akıllıca gruplandırarak daha doğru tahminler yapıyor. Geleneksel yöntemlerden farklı olarak, eğitim aşamasında klinik notlar gibi ek bilgi kaynaklarını da kullanarak kendini geliştiriyor. Bu yenilik, doktorların zamanlı müdahale edebilmesi ve hastane kaynaklarının daha verimli kullanılması açısından büyük önem taşıyor. Teknoloji, sadece yaşamsal belirtileri kullanarak çalışabildiği için pratik uygulamalarda da oldukça kullanışlı.

Araştırmacılar, tıbbi görüntü analizi yapan yapay zeka sistemlerine karşı yeni bir saldırı yöntemi geliştirdi. MedFocusLeak adı verilen bu teknik, görüntülerin arka plan bölgelerine gözle fark edilmeyen değişiklikler yaparak yapay zekanın yanlış tanı koymasına neden oluyor. Saldırı, hastalıklı bölgelere odaklanması gereken yapay zekanın dikkatini başka yönlere çekerek, klinik açıdan makul görünen ama yanlış teşhisler üretmesini sağlıyor. Altı farklı tıbbi görüntüleme modalitesinde test edilen yöntem, mevcut güvenlik önlemlerinin yetersizliğini ortaya koyuyor ve tıbbi yapay zeka sistemlerinin güvenilirliği konusunda önemli endişeler yaratıyor.

Araştırmacılar, ultrason görüntülerini tıpkı deneyimli bir doktor gibi analiz edebilen yenilikçi bir yapay zeka sistemi geliştirdi. USTri adlı bu sistem, farklı organları, görüntüleme açılarını ve cihazları tanıyabilen üç aşamalı bir yaklaşım kullanıyor. Sistem ilk aşamada geniş bir temel bilgi oluşturuyor, ikinci aşamada özel görevler için kendini uyarlıyor, son aşamada ise tıbbi iş akışlarını taklit eden akıllı bir ajan gibi çalışıyor. Bu gelişme, ultrason teşhislerinde daha tutarlı ve güvenilir sonuçlar elde edilmesine yardımcı olabilir.

Büyük dil modellerinin tıbbi tanı süreçlerinde kullanımındaki en büyük sorun, doğru cevapları yanlış mantıkla üretmeleri. Araştırmacılar, bu kritik problemi çözmek için Toulmin argumentation modelini temel alan yeni bir eğitim sistemi geliştirdi. Curriculum Goal-Conditioned Learning adı verilen bu yöntem, AI sistemlerinin sadece doğru tanı koymasını değil, aynı zamanda bu tanıya nasıl ulaştığını şeffaf şekilde açıklayabilmesini sağlıyor. Sağlık alanında hasta güvenliği için şeffaflık hayati önem taşıdığından, bu çalışma yapay zekanın klinik karar destek sistemlerinde güvenilir kullanımına önemli bir katkı sunuyor.

Araştırmacılar, büyük dil modellerinin tıbbi özetleme yaparken ürettikleri yanlış bilgileri tespit edebilen yeni bir sistem geliştirdi. ClinTrace adı verilen bu sistem, modelin zaten var olan dikkat ağırlıklarını kullanarak hem her cümlenin hangi kaynaktan geldiğini gösteriyor, hem de kanıtı yetersiz ifadeleri işaretliyor. En önemli avantajı ise hiçbir ek eğitim ya da hesaplama maliyeti gerektirmemesi. Doktor-hasta diyalogları ve radyoloji raporları üzerinde test edilen sistem, tıbbi yapay zekanın güvenilirliğini artırmak için önemli bir adım sayılıyor.

Güney Afrika'da gerçekleştirilen kapsamlı bir araştırma, 10 farklı yapay zeka modelinin hastane ortamında gerçek hasta verileriyle tanı koyma yeteneklerini değerlendirdi. Çalışmada 539 hasta vakası kullanılarak yapay zekaların radyoloji görüntüleri, laboratuvar sonuçları ve klinik notları analiz etme başarısı ölçüldü. Araştırma, özellikle gelişmekte olan ülkelerdeki devlet hastaneleri için yapay zeka destekli tanı sistemlerinin potansiyelini ortaya koyuyor. Uzman doktor panelleri tarafından doğrulanmış vakalar üzerinde yapılan testlerde, yapay zeka modellerinin tanı doğruluğu, hasta güvenliği ve maliyet etkinliği açısından performansları detaylı şekilde analiz edildi.

Araştırmacılar, multipl skleroz (MS) hastalığında korteks lezyonlarının yapay zeka ile tespitinde belirsizlik kaynaklarını analiz eden yeni bir yöntem geliştirdi. Çalışma, sadece tahmin hatalarına odaklanmak yerine, klinik açıdan anlamlı faktörlerin belirsizliğe etkisini inceliyor. Bulgular, yapay zekanın tahmin belirsizliğinin büyük ölçüde lezyon boyutu, şekli ve korteks tutulumu ile ilişkili olduğunu gösteriyor. Uzman doktorların geri bildirimleri de bu sonuçları destekliyor. Güvenilir yapay zeka sistemleri, özellikle tıbbi görüntü analizi gibi kritik alanlarda hayati önem taşıyor. Bu çalışma, MS tanı ve takibinde kullanılan yapay zeka sistemlerinin daha şeffaf ve güvenilir hale getirilmesine katkı sağlayabilir.