Araştırmacılar, iklim değişikliğinin böceklerin fiziksel özelliklerine etkisini daha hızlı inceleyebilmek için yeni bir yapay zeka sistemi geliştirdi. Sistem, yusufçuk ve kızböceği (Odonata) fotoğraflarından vücut parçalarını otomatik olarak ayırt ediyor ve her bölümün renklerini çıkarıyor. Geleneksel yöntemlerle böcek özelliklerini analiz etmek çok zaman alıyor ve pahalı. Bu yeni yaklaşım, vatandaş bilimi platformlarından alınan açık kaynak görüntüleri kullanarak büyük ölçekli analizlere olanak tanıyor. Derin öğrenme algoritmaları sayesinde böceklerin baş, göğüs, karın ve kanat bölümlerini hassas şekilde segmentlere ayırabiliyor ve her parçanın renk paletini oluşturuyor.

Radyoloji alanında çığır açabilecek yeni bir yapay zeka sistemi geliştirildi. LLaMA-XR adlı framework, göğüs röntgeni görüntülerinden otomatik olarak tıbbi rapor üretebiliyor. Sistem, gelişmiş dil modeli LLaMA 3.1'i görüntü işleme teknolojisiyle birleştirerek, hem klinik açıdan doğru hem de anlaşılır raporlar oluşturuyor. Bu teknoloji, radyologların iş yükünü azaltırken tanı doğruluğunu artırma potansiyeline sahip. Özellikle sağlık sistemindeki uzman eksikliği göz önüne alındığında, bu tür otomatik rapor üretim sistemleri gelecekte büyük önem kazanabilir.

Araştırmacılar, göğüs röntgenlerindeki hastalıkları tanıyabilen yeni bir yapay zeka sistemi geliştirdi. ProtoCLIP adlı bu sistem, daha önce hiç görmediği hastalıkları bile yüksek doğrulukla tespit edebiliyor. Özellikle pnömotoraks gibi kritik durumları tanımada mevcut sistemlerden 2-10 puan daha iyi performans gösteriyor. Sistem, hastalıkların birlikte görülme sıklığından kaynaklanan yanılgıları azaltmak için özel veri seçimi ve gelişmiş öğrenme teknikleri kullanıyor. Bu gelişme, radyoloji alanında yapay zekanın daha güvenilir hale gelmesi açısından önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, göğüs röntgeni görüntülerinden otomatik radyoloji raporu üreten yeni bir yapay zeka sistemi geliştirdi. RA-RRG adlı bu sistem, mevcut büyük dil modellerinin hesaplama maliyetini düşürürken, yanılgılı bilgi üretme sorununu da çözmeyi hedefliyor. Sistem, önce radyoloji raporlarından klinik açıdan önemli anahtar kelimeleri çıkarıyor, sonra verilen röntgen görüntüsüne uygun kelimeleri bularak rapor hazırlıyor. Bu yaklaşım, radiologların iş yükünü azaltma potansiyeli taşırken, yapay zekanın tıp alanındaki güvenilirlik sorunlarına da çözüm sunuyor. MIMIC-CXR veri seti üzerindeki deneyler, sistemin hem kaliteli raporlar ürettiğini hem de yanılgıları önemli ölçüde azalttığını gösteriyor.

Yapay zeka modelleri genellikle eğitildikleri verilerden farklı kaynaklardan gelen veriler üzerinde başarısız oluyor. COVID-19 tespiti için göğüs röntgenlerini analiz eden modeller, yeni hastanelerden gelen görüntülerde beklenmedik hatalar yapabiliyor. Araştırmacılar, bu sorunu çözmek için eğitim sırasında görüntülere kontrollü gürültü ekleme yöntemini test etti. Gaussian, speckle, Poisson ve tuz-biber gürültüsü türleri kullanılarak yapılan deneylerde, modellerin farklı kaynaklardan gelen veriler üzerindeki performansı önemli ölçüde iyileşti. Bu teknik, AI sistemlerinin gerçek dünyada daha güvenilir çalışması için umut verici bir yaklaşım sunuyor.

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.

Araştırmacılar, tıbbi görüntü analizi sistemlerinde diferansiyel gizlilik yöntemlerinin nasıl çalıştığını ve performans kaybına neden olduğunu açıklayan yeni bir çerçeve geliştirdi. Bu çalışma, hasta verilerinin gizliliğini korurken yapay zeka modellerinin neden performans kaybı yaşadığını anlamaya odaklanıyor. Göğüs röntgeni görüntülerinden oluşan 594.000'den fazla görüntü üzerinde yapılan testler, gizlilik koruması uygulanan modellerin beklenmedik davranışlar sergilediğini ortaya koydu. Bu bulgular, tıbbi yapay zeka sistemlerinde gizlilik ve performans arasındaki dengeyi optimize etmek için kritik önem taşıyor.

Yapay zeka sistemlerinin göğüs tomografisi görüntülerini analiz etme başarısı, gerçekte olduğundan çok daha yüksek görünüyor. Araştırmacılar, mevcut test yöntemlerinin ciddi bir hata içerdiğini keşfetti. Eğitim ve test verilerinde aynı hastalardan alınan görüntülerin karışması, yapay zekanın performansını olduğundan 3 kat daha iyi gösteriyor. Yeni geliştirilen CTSCAN kıyaslama sistemi bu sorunu çözmeyi hedefliyor. Doğru test yöntemleri uygulandığında, yapay zeka sistemlerinin başarı oranı %66'dan %20'ye düşüyor. Bu bulgular, tıp alanında yapay zeka sistemlerinin güvenilirliği konusunda önemli sorular ortaya çıkarıyor ve daha titiz test protokollerine ihtiyaç olduğunu gösteriyor.

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.

Radyoterapi sırasında hastanın nefes alış verişi, göğüs ve karın bölgesindeki tümörlerin tedavisini zorlaştırıyor. Araştırmacılar bu sorunu çözmek için yapay zeka destekli bir sistem geliştirdi. Çalışmada, MR görüntülerindeki nefes hareketlerini önceden tahmin edebilen iki farklı yapay zeka modeli karşılaştırıldı: anlık öğrenme yapabilen tekrarlayan sinir ağları ve uzun vadeli bağımlılıkları yakalayabilen transformer modeller. Sistem, hastaların değişen nefes alma düzenlerine gerçek zamanlı uyum sağlayarak, radyasyon tedavisinin hedef tümöre daha hassas şekilde uygulanmasını mümkün kılıyor.