Araştırmacılar, sadece 3-4 milyar parametreye sahip küçük yapay zeka modellerinin, özel eğitim teknikleriyle radyoloji alanında büyük modeller kadar başarılı olabileceğini gösterdi. RadLite projesi kapsamında geliştirilen bu modeller, hastane bilgisayarlarında bile çalışabilecek kadar hafif olmasına rağmen, tıbbi görüntü analizi, hastalık tespiti ve rapor yazma gibi 9 farklı radyoloji görevinde yüksek performans sergiledi. Özellikle RADS sınıflandırmasında %53, doğal dil anlamada %60, N-evrelendirmede %89 oranında performans artışı elde edildi. Bu gelişme, kaynak kısıtlı sağlık kurumlarının da yapay zeka destekli radyoloji hizmetlerinden faydalanmasının önünü açıyor.

Alzheimer hastalığının erken teşhisi için yeni bir umut kapısı açılıyor. Araştırmacılar, pahalı beyin görüntüleme yöntemlerine alternatif olarak kan testlerini kullanan yenilikçi bir yapay zeka sistemi geliştirdi. BRAIN adlı bu sistem, hastalığın teşhisini kolaylaştırırken aynı zamanda tedavi hedefi olabilecek biyobelirteçleri de keşfediyor. Mevcut radyolojik görüntüleme yöntemleri maliyetli ve erişimi zor olduğu için geniş halk taramalarında kullanılamıyor. Kan testleri ise hem daha uygun maliyetli hem de minimal invaziv bir alternatif sunuyor. Yeni geliştirilen makine öğrenmesi çerçevesi, çeşitli biyobelirteçler arasındaki karmaşık ilişkileri analiz ederek hem tanı doğruluğunu artırıyor hem de ilaç geliştirme sürecine katkı sağlayacak hedefleri belirlemeye yardımcı oluyor. Bu gelişme özellikle dezavantajlı topluluklar için Alzheimer tanısına erişimi demokratikleştirebilir.

Araştırmacılar, yapay zekanın göğüs röntgeni raporlarını ne kadar doğru yorumlayabildiğini ölçmek için yeni bir değerlendirme sistemi geliştirdi. LUNGUAGE adlı bu sistem, hem tek seferlik raporları hem de hastaların zaman içindeki durumunu takip eden uzun vadeli analizleri değerlendirebiliyor. 1.473 uzman onaylı göğüs röntgeni raporu içeren veri seti, yapay zeka sistemlerinin hastalık ilerlemesini ve tedavi süreçlerini ne kadar iyi anlayabildiğini test ediyor. Bu çalışma, tıbbi yapay zeka uygulamalarının güvenilirliğini artırmaya yönelik önemli bir adım.

Araştırmacılar, MR görüntüleme teknolojisinde çığır açan bir yöntem geliştirdi. Fizik tabanlı yapay zeka modelleri kullanan q3-MuPa sistemi, hastalar için çok daha sessiz ve hızlı tarama imkanı sunuyor. Geleneksel MR cihazlarının gürültülü ve uzun süren taramalarının aksine, bu yeni yaklaşım yaklaşık 1 dakikada yüksek kaliteli görüntüler elde edebiliyor. Sistem, difüzyon modelleri ve fizik yasalarını birleştirerek T1, T2 ve proton yoğunluğu haritalarını üretiyor. Bu teknoloji özellikle hareket hassasiyeti olan hastalar ve çocuklar için büyük avantajlar sağlıyor.

Araştırmacılar, PET/CT taramalarından otomatik tıbbi rapor üretebilen yenilikçi bir yapay zeka sistemi geliştirdi. HiRRA adlı bu sistem, tıpkı deneyimli radyologlar gibi önce görüntülerdeki belirli bölgeleri analiz ediyor, sonra bu bulgular arasındaki ilişkileri değerlendirerek kapsamlı raporlar hazırlıyor. Çalışma kapsamında 600 PET/CT taraması ve 1960 detaylı bölge açıklaması içeren VietPET-RoI veri seti de oluşturuldu. Bu gelişme, özellikle radyolog sayısının yetersiz olduğu bölgelerde tıbbi tanı süreçlerini hızlandırabilir ve standartlaştırabilir.

Araştırmacılar, CT görüntülerini analiz ederek hastaların hayatta kalma süresini tahmin edebilen yeni bir yapay zeka sistemi geliştirdi. Sistem, binlerce CT görüntüsü ve radyoloji raporunu birlikte analiz ederek öğrendiği bilgileri, hasta prognozu belirleme konusunda kullanabiliyor. Geleneksel yöntemlerde radyologların görsel bilgiyi metne dönüştürme sürecinde bilgi kaybı yaşanırken, bu yeni yaklaşım görsel ve metinsel verileri eş zamanlı işleyerek daha doğru tahminler yapabiliyor. Teknoloji, klinisyenlerin tedavi kararlarını optimize etmesine ve hasta yönetimini iyileştirmesine yardımcı olma potansiyeli taşıyor.

Araştırmacılar, büyük dil modellerinin tıbbi özetleme yaparken ürettikleri yanlış bilgileri tespit edebilen yeni bir sistem geliştirdi. ClinTrace adı verilen bu sistem, modelin zaten var olan dikkat ağırlıklarını kullanarak hem her cümlenin hangi kaynaktan geldiğini gösteriyor, hem de kanıtı yetersiz ifadeleri işaretliyor. En önemli avantajı ise hiçbir ek eğitim ya da hesaplama maliyeti gerektirmemesi. Doktor-hasta diyalogları ve radyoloji raporları üzerinde test edilen sistem, tıbbi yapay zekanın güvenilirliğini artırmak için önemli bir adım sayılıyor.

Güney Afrika'da gerçekleştirilen kapsamlı bir araştırma, 10 farklı yapay zeka modelinin hastane ortamında gerçek hasta verileriyle tanı koyma yeteneklerini değerlendirdi. Çalışmada 539 hasta vakası kullanılarak yapay zekaların radyoloji görüntüleri, laboratuvar sonuçları ve klinik notları analiz etme başarısı ölçüldü. Araştırma, özellikle gelişmekte olan ülkelerdeki devlet hastaneleri için yapay zeka destekli tanı sistemlerinin potansiyelini ortaya koyuyor. Uzman doktor panelleri tarafından doğrulanmış vakalar üzerinde yapılan testlerde, yapay zeka modellerinin tanı doğruluğu, hasta güvenliği ve maliyet etkinliği açısından performansları detaylı şekilde analiz edildi.

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.