Araştırmacılar, yapay zekanın göğüs röntgenlerinde nadir hastalıkları ve daha önce hiç görmediği bulguları tespit edebilmesi için yeni bir yarışma düzenledi. CXR-LT 2026 adlı bu yarışma, 145 bin göğüs röntgeni görüntüsü içeren büyük bir veri seti sunuyor. Gerçek dünyada bazı hastalıklar çok nadir görülürken diğerleri sık karşılaşılıyor - bu durum AI sistemler için büyük bir zorluk oluşturuyor. Yarışmada kullanılan görüntülerin tamamı radyologlar tarafından değerlendirildi ve birden fazla tıp merkezinden toplandı. Bu çalışma, AI'ın tıbbi görüntü analizi alanındaki yeteneklerini artırarak daha güvenilir teşhis sistemleri geliştirilmesine katkı sağlayacak.

Stanford araştırmacıları, tıbbi görüntüleme raporlarını otomatik olarak hazırlayan devrim niteliğinde bir yapay zeka sistemi geliştirdi. MARCH adlı sistem, gerçek hastanelerdeki hiyerarşik yapıyı taklit ederek birden fazla AI ajanının işbirliği yapmasını sağlıyor. Sistem, asistan doktor rolündeki bir ajanın ilk rapor taslağını hazırlamasıyla başlıyor, ardından uzman doktor rolündeki ajanlar bu raporu gözden geçiriyor ve son olarak başhekim rolündeki bir ajan nihai kararı veriyor. Bu yaklaşım, tek başına çalışan AI sistemlerinde sık görülen yanıltıcı tanılar ve klinik hataları önemli ölçüde azaltıyor. Göğüs BT taramalarında test edilen sistem, mevcut en gelişmiş yöntemleri geride bırakarak daha doğru ve güvenilir raporlar üretiyor.

Gama spektroskopisi ile radyoaktif madde tanımlaması, nükleer güvenlik ve tıbbi uygulamalar için kritik öneme sahip. Ancak yapay zeka modellerinin eğitimi için yeterli gerçek veri elde etmek son derece zor ve maliyetli. Araştırmacılar, simülasyon verisiyle eğitilen modellerin gerçek dünyada performans kaybı yaşadığı sorununu çözmek için unsupervised domain adaptation (UDA) tekniklerini test etti. Bu yaklaşım, etiketlenmemiş gerçek verilerden yararlanarak modelin farklı ortamlarda çalışabilme kabiliyetini artırıyor. Özellikle özellik hizalama stratejileri umut verici sonuçlar gösteriyor. Bu gelişme, nükleer tesislerin güvenliği, radyolojik tehditlerin tespiti ve tıbbi izotop tanımlaması gibi kritik alanlarda yapay zeka destekli sistemlerin daha güvenilir hale gelmesini sağlayabilir.

Araştırmacılar, yapay zeka modellerinin MRI görüntülerini daha etkili analiz etmesi için yeni bir yaklaşım geliştirdi. Geleneksel sistemler tek tek görüntü karelerini inceleyerek sınırlı sonuçlar verirken, yeni sistem birden fazla MRI kesitini aynı anda değerlendirerek uzamsal akıl yürütme yapabiliyor. 41 binden fazla soru-cevap çiftinden oluşan veri seti, uzman radyologların yorumlarıyla destekleniyor. Bu gelişme, tıbbi görüntü analizi alanında yapay zekanın daha güvenilir ve açıklanabilir sonuçlar üretmesini sağlayarak, gelecekte radyoloji pratiğinde önemli değişimlere yol açabilir.

Akciğer kanseri dünya genelinde önde gelen ölüm nedenlerinden biri olmaya devam ediyor. Geleneksel bilgisayarlı tomografi görüntüleme yöntemi, iyi huylu ve kötü huylu lezyonları ayırt etmekte zorlanıyor. Araştırmacılar bu sorunu çözmek için iki farklı görüntüleme tekniğini birleştiren yenilikçi bir yapay zeka sistemi geliştirdi. Bu sistem, hem CT taramalarını hem de doku örneklerinin mikroskobik görüntülerini aynı anda analiz ederek akciğer kanseri tanısında daha güvenilir sonuçlar sunuyor. Sistem ayrıca farklı kanser alt türlerini de başarıyla sınıflandırabiliyor ve kararlarını açıklayabilme yetisine sahip.

Göğüs röntgenlerinin yorumlanması, anatomik yapıların üst üste binmesi ve hastalık belirtilerinin belirsizliği nedeniyle deneyimli radyologlar için bile zor bir süreç. Araştırmacılar, büyük dil modellerinin radyoloji raporu üretimindeki başarısını artırmak için yeni bir yaklaım geliştirdi. CWCD adlı bu sistem, geleneksel modellerin aksine kategorilere dayalı karşıtsal çözümleme kullanarak daha doğru ve yapılandırılmış raporlar üretiyor. Çalışma, yapay zekanın tıbbi görüntü analizi alanındaki ilerlemesini gösteriyor.