Yapay zeka teknolojileri tıp alanında hızla yaygınlaşırken, büyük dil modellerinin yüksek işlemci gücü gereksinimleri sağlık kurumları için önemli bir engel oluşturuyordu. Ancak yeni bir araştırma, bu soruna pratik bir çözüm sunuyor.
Araştırmacılar, Qwen2.5-3B-Instruct ve Qwen3-4B adlı küçük yapay zeka modellerini radyoloji alanına özel olarak eğitti. Bu modeller, 162 bin veri örneği kullanılarak 9 farklı radyoloji görevi üzerinde LoRA (Low-Rank Adaptation) tekniğiyle optimize edildi. Eğitim süreci, RADS sınıflandırması, görüntü yorumlama, zamansal karşılaştırma, anormallik tespiti ve tıbbi rapor yazma gibi kritik radyoloji görevlerini kapsadı.
Test sonuçları oldukça etkileyici çıktı. Modeller, RADS doğruluğunda %53, doğal dil çıkarımında %60, N-evrelendirmede ise %89 oranında performans artışı gösterdi. Bu başarı oranları, büyük modellerle karşılaştırılabilir düzeyde.
En önemli avantaj ise bu modellerin sıradan bilgisayar işlemcilerinde çalışabilmesi. Bu özellik sayesinde, pahalı grafik kartları gerektirmeyen yapay zeka destekli radyoloji uygulamaları geliştirilmesi mümkün hale geliyor. Özellikle kaynak kısıtlı hastaneler ve klinikler için bu gelişme büyük önem taşıyor.