Tıbbi metin analizi alanında çalışan araştırmacılar, yapay zeka modellerinin kendi sınırlarını tanıyarak daha iyi performans gösterebileceği yeni bir yöntem geliştirdi. L2D-Clinical (Learning to Defer for Clinical Text) adı verilen bu sistem, farklı durumlar için en uygun modeli seçmeyi öğreniyor.
Tıbbi metinleri analiz ederken araştırmacılar genellikle iki seçenekle karşılaşıyor: BioBERT ve ClinicalBERT gibi tıp alanına özel eğitilmiş modeller veya GPT gibi genel amaçlı büyük dil modelleri. Her iki yaklaşımın da kendine özgü avantajları bulunuyor ancak hiçbiri tüm durumlarda mükemmel performans gösteremiyor.
Yeni geliştirilen L2D-Clinical sistemi, belirsizlik sinyallerini ve metin özelliklerini analiz ederek hangi durumda BERT tabanlı bir sınıflandırıcının büyük dil modeline 'başvurması' gerektiğini öğreniyor. Bu yaklaşım, daha önce sadece insan uzmanlarına başvuru için kullanılan öğrenme yöntemlerinden farklı olarak, yapay zeka modelleri arasında akıllı bir seçim mekanizması sunuyor.
İki farklı tıbbi görevde yapılan testlerde sistem başarılı sonuçlar verdi. İlaç yan etkisi tespitinde BioBERT'in F1 skorunu 0.911'den 0.928'e yükseltti. Tedavi sonucu sınıflandırmasında ise GPT ve ClinicalBERT'in güçlü yanlarını birleştirerek daha yüksek doğruluk oranları elde etti.
Bu yenilik, tıbbi yapay zeka uygulamalarında tek bir modele bağımlılığı azaltarak daha güvenilir ve esnek sistemler geliştirilmesine katkı sağlayabilir.