Kistik fibrozis hastalarının akciğerlerinde yaşayan dirençli bakteriler, tıp dünyasının en büyük sorunlarından biri haline geldi. Pseudomonas ve Stenotrophomonas gibi tehlikeli bakteriler neredeyse tüm antibiyotiklere karşı direnç geliştirdi. Daha da kötüsü, bu bakteriler birbirlerine yardım ederek tedaviyi imkansız hale getiriyor. Ancak yeni bir araştırma, bu bakterilerin 'zırh sistemi' olan hücre zarı protein dengesini bozmayı başardı. Bilim insanları, bakterilerin protein katlama sistemini hedef alarak dirençli Pseudomonas'ı beta-laktam antibiyotiklerine duyarlı hale getirdi. Bu yaklaşım aynı zamanda bakteriler arası işbirliğini de engelleyerek her iki türün birden yok edilmesini sağlıyor.

Araştırmacılar, akciğer fonksiyonlarını değerlendirmek için kontrast maddesi gerektirmeyen yeni bir MR görüntüleme yöntemi geliştirdi. VQ-Wave adlı fizik tabanlı yapay zeka sistemi, akciğerlerin havalandırma ve kan dolaşımı özelliklerini klasik yöntemlerden daha hassas şekilde ölçebiliyor. Sistem, sentetik verilerle eğitilen derin öğrenme ağları kullanarak fizyolojik sinyalleri gürültüden ayırabiliyor. Özellikle kistik fibrozis gibi akciğer hastalıklarının tanısında önemli avantajlar sunuyor. Sağlıklı gönüllüler ve kistik fibrozisli çocuklar üzerinde yapılan testlerde, geleneksel spektral ayrışım yöntemlerinden daha iyi sonuçlar elde edildi. Bu gelişme, zararlı kontrast maddelerinin kullanımını azaltarak daha güvenli tıbbi görüntüleme imkanı sunuyor.

Araştırmacılar, kalp MR görüntülerinde sol atrium duvarının segmentasyonunu iyileştiren yeni bir yapay zeka yöntemi geliştirdi. C2W-Tune adlı bu yaklaşım, iki aşamalı bir transfer öğrenme stratejisi kullanarak önce kalp boşluğunu öğreniyor, sonra bu bilgiyi ince duvar yapılarını tespit etmek için kullanıyor. Sol atrium duvarının doğru segmentasyonu, duvar kalınlığının haritalanması ve fibrozis miktarının belirlenmesi için kritik öneme sahip. Ancak duvarın inceliği, karmaşık anatomisi ve düşük kontrast nedeniyle bu işlem oldukça zorlayıcı. Yeni yöntem, 3D U-Net mimarisi ile ResNeXt kodlayıcısını birleştirerek, önce atrium boşluğunu segmente etmeyi öğreniyor, ardından bu bilgiyi duvar segmentasyonuna aktarıyor. Test sonuçları, geleneksel yöntemlere kıyasla önemli iyileşmeler gösteriyor.