Araştırmacılar, tıbbi verilerin gizliliğini koruyarak farklı kurumlar arasında yapay zeka modellerinin eğitilmesini sağlayan yeni bir yöntem geliştirdi. Federated RuleFit adı verilen bu sistem, hasta verilerini paylaşmadan hastanelerin ortak yapay zeka modelleri oluşturmasına olanak tanıyor. Geleneksel yapay zeka yöntemlerinin aksine, bu sistem doktorların kararları nasıl alındığını anlayabilmesini sağlayan şeffaf kurallar kullanıyor. Yöntem, diferansiyel gizlilik teknikleriyle hasta mahremiyetini korurken, farklı kurumlardan gelen veri farklılıklarını minimize ediyor. Bu gelişme, tıbbi yapay zeka uygulamalarında hem gizlilik hem de şeffaflık sorunlarına çözüm sunarak, klinik ortamlarda daha güvenilir yapay zeka sistemlerinin kullanılmasının önünü açıyor.

Clay Enstitüsü'nün milyar dolarlık ödüllü matematik problemlerinden biri olan Navier-Stokes denklemindeki tekillik oluşumu, yüzyıllardır matematikçileri uğraştırıyor. Yeni bir doktora tezi, bu karmaşık problemi anlamak için teorik analiz, sayısal hesaplama ve makine öğrenmesi yöntemlerini bir araya getiren özgün bir yaklaşım sunuyor. Araştırmacılar, akışkanların hareketini tanımlayan Navier-Stokes denkleminde 'patlama' anlarını öngörebilmek için yeni matematiksel araçlar geliştirdi. Bu çalışma, hem basit denklemler için sistematik kanıt yöntemleri sunuyor hem de karmaşık akışkan dinamiği problemlerine ışık tutuyor.

Araştırmacılar, elektronik sağlık kayıtlarından bilgi çıkarmayı kolaylaştıran yeni bir yapay zeka sistemi geliştirdi. CBR-to-SQL adlı bu sistem, doktorların ve araştırmacıların SQL programlama bilgisi olmadan da hasta verilerini analiz edebilmelerine olanak tanıyor. Geleneksel yöntemlerin aksine, tıbbi terminolojideki tutarsızlıkları ve karmaşıklıkları daha iyi anlayabilen bu sistem, vaka tabanlı akıl yürütme yaklaşımını kullanıyor. Sistem, doğal dilde sorulan soruları otomatik olarak veritabanı sorgularına çevirerek, klinik karar verme süreçlerini hızlandırıyor ve tıbbi araştırmaları destekliyor.

Stanford'dan araştırmacılar, doktorların programlama bilgisi olmadan sadece doğal dil kullanarak tıbbi yapay zeka modelleri geliştirebilmelerini sağlayan devrim niteliğinde bir sistem geliştirdi. Geleneksel yaklaşımda doktorlar ve AI uzmanları arasında sürekli iletişim gerektiren uzun süreçler yaşanıyor, bazen de karşılıklı anlayış eksikliği nedeniyle yanlış anlaşılmalar oluşuyordu. Yeni sistem bu sorunu çözerek doktorların istedikleri AI modellerini doğrudan konuşarak tarif etmelerini ve sistemin bunu otomatik olarak kodlayıp eğitmesini mağdur ediyor. Cilt lezyonu sınıflandırması ve melanom teşhisi gibi beş farklı klinik görevde test edilen sistem, tıbbi AI geliştirme sürecini demokratikleştirme potansiyeli taşıyor.

Araştırmacılar, meme kanseri teşhisinde çığır açan bir yapay zeka sistemi geliştirdi. Bu yenilikçi sistem, mikroskobik doku görüntülerini hasta sağlık kayıtlarıyla birleştirerek analiz ediyor. Çalışmada kullanılan ResNet-18 modeli, mükemmele yakın doğruluk oranı yakaladı. Geleneksel yöntemler bu iki veri türünü ayrı ayrı değerlendirirken, yeni sistem her ikisindan aldığı bilgileri harmanlayarak çok daha güvenilir sonuçlar üretiyor. Meme kanseri dünya genelinde kadınlarda en yaygın ölüm nedenlerinden biri olduğu için, erken ve kesin teşhis hayat kurtarıcı önem taşıyor. Bu teknolojik gelişme, doktorların tanı koyma sürecinde daha etkili araçlara sahip olmasını sağlayacak.

Araştırmacılar, kan tahlili görüntülerini analiz edebilen ilk özel yapay zeka sistemini geliştirdi. PBSBench adlı bu framework, periferik kan yayması görüntülerini yorumlayabilen çok modlu dil modeli içeriyor. Sistem, 353 tam kan yayması görüntüsi ve 29 bin hücre seviyesinde açıklamayla eğitildi. Geleneksel patoloji yapay zekaları katı doku analizi için tasarlandığından kan hücrelerinin bireysel morfolojilerini değerlendirmede yetersiz kalıyordu. Bu yeni sistem, kan hastalıklarının teşhisinde doktorlara destek olabilecek ilk özelleşmiş yapay zeka aracı olma özelliği taşıyor. Hematoloji alanında yapay zeka kullanımının yaygınlaşması, kan hastalıklarının erken teşhisini hızlandırabilir.

Araştırmacılar, hastane kayıtlarından yapılandırılmış bilgi çıkarmada yeni bir yöntem geliştirdi. 'Derin yansıtıcı akıl yürütme' adı verilen bu sistem, büyük dil modellerinin tıbbi metinleri işlerken karşılaştığı tutarsızlık sorununu çözüyor. Geleneksel sistemler, tıbbi veriler arasındaki karmaşık bağımlılıkları göz ardı ederek hatalı sonuçlar üretebiliyordu. Yeni yöntem, çıktılarını sürekli gözden geçirip düzelterek klinik açıdan tutarlı sonuçlar elde ediyor. Kolorektal kanser raporları üzerinde yapılan testlerde, sistem performansını önemli ölçüde artırdı. Bu gelişme, dijital sağlık alanında yapay zekanın güvenilirliğini artırarak, doktorların karar verme süreçlerini destekleyebilir.

Araştırmacılar, meme kanseri teşhisinde devrim yaratabilecek özelleşmiş bir yapay zeka modeli geliştirdi. Mammo-FM adı verilen bu sistem, 140 bin hastadan toplanan 800 binden fazla mamografi görüntüsü kullanılarak eğitildi. Model, kanser teşhisinden risk değerlendirmesine, hastalığın yerini belirleme işleminden tıbbi rapor hazırlamaya kadar birçok kritik görevi tek bir platform üzerinde gerçekleştirebiliyor. Sistemin en önemli özelliği, görüntü ve metin analizi yeteneklerini birleştirerek hem görsel hem de yazılı açıklamalar sunabilmesi. Bu yaklaşım, doktorların karar verme sürecinde sistemi daha şeffaf ve güvenilir hale getiriyor. Farklı hasta gruplarında yapılan testlerde başarılı sonuçlar veren model, mevcut genel amaçlı yapay zeka sistemlerine kıyasla üçte bir daha az parametre kullanarak benzer performans sergiliyor.

Araştırmacılar, retina görüntülerinden tıbbi rapor üreten yeni bir yapay zeka sistemi geliştirdi. DREAM adlı sistem, göz doktorlarının belirlediği klinik anahtar kelimeleri görsel verilerle birleştirerek, sınırlı veri ile bile yüksek doğrulukta tanı raporu üretiyor. İki aşamalı bir füzyon mekanizması kullanan sistem, önce görüntü ve anahtar kelime özelliklerini ortak bir alanda birleştiriyor, ardından adaptif çok modlu füzyon ile her modalitetin önemini dinamik olarak ayarlıyor. Bu yaklaşım, mevcut görme-dil modellerinin medikal alanlarda yaşadığı veri yetersizliği ve aşırı öğrenme sorunlarını çözmeyi hedefliyor. Özellikle kritik ancak belirgin olmayan patolojileri tespit etmede başarılı olan sistem, oftalmoloji alanında tanı doğruluğunu artırarak doktorlara önemli destek sağlayabilir.

Araştırmacılar, doktora öğrencilerinin danışman sorunlarını güvenli şekilde paylaşabilecekleri 'Moa' adlı yenilikçi bir sosyal medya platformu geliştirdi. Platform, güç dengesizliklerinin yaşandığı akademik ortamlarda öğrencilerin müttefik bulmasını kolaylaştırıyor. Moa'nın en dikkat çekici özelliği 'rıza sınırları' sistemi - kullanıcılar paylaşımlarının kime görüneceğini ortak deneyimler ve sosyal kimlik faktörlerine göre belirleyebiliyor. Sistem tam anonimlik sağlayarak hem gönderen hem de alıcının kimliğini gizli tutuyor. Bu yaklaşım, özellikle aynı danışmanla çalışan diğer öğrencilerden destek arama konusundaki çekinceleri ortadan kaldırmayı hedefliyor. Platform, akademik hiyerarşilerde yaşanan sorunları ele almak için teknolojik bir çözüm sunuyor.

Araştırmacılar, tıbbi görüntüleri analiz edip klinik rapor yazabilen yeni bir yapay zeka sistemi geliştirdi. Google Gemini 2.5 Flash teknolojisini kullanan sistem, CT, MRI, röntgen ve ultrason görüntülerinde tümörleri tespit edebiliyor. Sistem görsel analiz ile dil işleme teknolojilerini birleştirerek, tıpkı bir doktor gibi görüntüleri yorumlayıp detaylı raporlar hazırlıyor. Koordinat doğrulama mekanizmaları ve olasılıksal modelleme ile anormallikleri belirleyebilen sistem, çok katmanlı görselleştirme teknikleri sayesinde doktorların güvenini artıracak detaylı medikal illüstrasyonlar üretiyor.