Araştırmacılar, ultrason görüntülerini analiz edip tıpkı bir doktor gibi rapor yazabilen EchoVLM adlı yapay zeka modelini geliştirdi. Kanser taramalarında yaygın kullanılan ultrason teknolojisinin en büyük sorunu, sonuçların doktorun deneyimine bağlı olması ve subjektif yorumlara açık olmasıydı. Yeni model, yedi farklı vücut bölgesinden toplanan verilerle eğitildi ve Uzman Karışımı (MoE) mimarisi kullanarak birden fazla görevi aynı anda yerine getirebiliyor. Sistem hem görsel hem metinsel bilgileri işleyerek ultrason görüntülerindeki lezyonları tanımlayıp detaylı raporlar oluşturabiliyor. Bu gelişme, özellikle uzman doktor eksikliğinin yaşandığı bölgelerde erken kanser tanısının hızlandırılması açısından önemli bir adım olarak görülüyor.

Doğum öncesi ultrason taleplerinin artması sonucu dünya genelinde deneyimli ultrasonografi uzmanı sıkıntısı yaşanıyor. Bu soruna çözüm olarak geliştirilen yapay zeka sistemleri, hem uzmanların iş yükünü azaltabilir hem de yeni uzmanlara eğitimde destek sağlayabilir. Özellikle görüntü ve metni birlikte işleyebilen Görü-Dil Modelleri (VLM) bu alanda büyük potansiyel taşıyor. Ancak bu modellerin fetal ultrason görüntülerindeki performansını ölçen standart bir değerlendirme sistemi bulunmuyordu. Araştırmacılar bu eksikliği gidermek için Fetal-Gauge adında ilk ve en kapsamlı değerlendirme sistemini geliştirdi. Bu sistem, yapay zeka modellerinin fetal ultrason görüntülerini ne kadar doğru yorumlayabildiğini test ediyor ve gelecekte bu alanda kullanılacak sistemlerin geliştirilmesine kılavuzluk edecek.

Işık ve ultrason teknolojilerini birleştiren fotoakustik tomografi, tıbbi görüntülemede umut verici bir yöntem olarak öne çıkıyor. Ancak kullanılan dedektörlerin fiziksel boyutları nedeniyle elde edilen görüntüler bulanık kalabiliyor. Araştırmacılar, bu sorunu çözmek için Noisier2Inverse adlı yapay zeka yaklaşımından ilham alan yeni bir yöntem geliştirdi. Bu teknik, referans görüntülere ihtiyaç duymadan kendi kendini eğitebiliyor ve görüntü kalitesini önemli ölçüde artırabiliyor. Geleneksel yöntemlerden farklı olarak, bu yaklaşım gerçek veri koşullarında çalışabildiği için pratik uygulamalarda daha değerli. Çalışma, tıbbi görüntüleme teknolojilerinin geliştirilmesine katkı sağlarken, yapay zekanın bu alandaki potansiyelini de gözler önüne seriyor.

Araştırmacılar, kalp ultrasonu (ekokardiyografi) görüntülerini tıpkı deneyimli bir kardiyolog gibi yorumlayabilen EchoAgent adlı yapay zeka sistemi geliştirdi. Sistem, görme, manuel ölçüm ve uzman bilgisi gibi üç temel beceriyi koordine ederek çalışıyor. Mevcut sistemler genellikle bu yeteneklerin sadece bir kısmına odaklanırken, EchoAgent kalp fonksiyonlarının değerlendirilmesinde kapsamlı bir yaklaşım sunuyor. Bu gelişme, kardiyoloji alanında tanı doğruluğunu artırırken, uzmanların iş yükünü azaltma potansiyeline sahip.

Araştırmacılar, hasta verilerini paylaşmadan hastaneler arası işbirliği sağlayan federe öğrenme yöntemiyle meme kanseri tespitinde çığır açan bir başarı elde etti. Çalışmada, gerçek ultrason görüntülerinin yanına yapay zeka tarafından üretilen sentetik görüntüler eklenerek modelin performansı önemli ölçüde artırıldı. Üç farklı veri setinde yapılan denemelerde, sentetik görüntülerin dengeli kullanımıyla tespit başarısı yüzde 94'lere kadar yükseldi. Bu yaklaşım, özellikle küçük veri setleri bulunan tıp kurumları için umut verici sonuçlar sunuyor ve hasta mahremiyetini korurken tanı kalitesini artırıyor.