You don’t have any Active Subscription.
Subscribed with another email? Logout and Login with that one.
Account subscription benefits alongside Premium Stories, Editorials, Opinions and more. Unlock these with Subscription
Published- October 09, 2026 12:13 pm IST - HYDERABAD
Haydarabad Uluslararası Bilgi Teknolojileri Enstitüsü (IIIT-H) ekibi; MAIRA-2, MedGemma-4B, LLaVA-Med-1.5 ve LLaVA-1.5 olmak üzere dört modeli, halka açık binlerce göğüs röntgeni karşılığında değerlendirdi. Görsel, yalnızca temsil amacıyla kullanılmaktadır. | Fotoğraf Kredisi: NISSAR AHMAD
Haydarabad Uluslararası Bilgi Teknolojileri Enstitüsü'ndeki (IIIT-H) araştırmacılara göre doktorlar, tıbbi görüntüleri yorumlamak için yapay zeka (AI) araçlarını kullanırken temkinli olmalıdır; çünkü yapay zeka modelleri tarafından vurgulanan alanlar her zaman radyologlar tarafından belirlenenlerle uyuşmayabilir.
IIIT-H Dil Teknolojileri Araştırma Merkezi (LTRC) tarafından yürütülen çalışma, göğüs röntgenlerini analiz etmek için dört vizyon-dil modelini incelemiş ve modellerin vurguladığı bölgeler ile radyologlar tarafından tespit edilenler arasında tutarsızlıklar olduğunu bulmuştur.
Bulgular, doktorların yapay zeka tarafından üretilen sonuçlara tamamen güvenmek yerine bunları bağımsız olarak değerlendirme ihtiyacının altını çizmektedir.
Parameswari Krishnamurthy liderliğindeki araştırma ekibi, yapay zeka tarafından oluşturulan ısı haritalarının (heatmaps), bir görüntünün radyologların hastalıkla ilgili olarak tanımlayacağı bölgelerini doğru bir şekilde temsil edip etmediğini belirlemeye çalıştı.
Bununla birlikte araştırmacılar, bu görsel göstergelerin modellerin bir hastalığın gerçek konumunu belirleme yeteneğini gerçekten yansıtıp yansıtmadığını sorguladılar.
“Chest X-Ray VLM Attention Overlays Match Radiologist Boxes? A Cross-Model Audit and Radiologist Reader” (Göğüs Röntgeni VLM Dikkat Yer Paylaşımları Radyolog Kutularıyla Ne Kadar Eşleşiyor? Çapraz Model Denetimi ve Radyolog Okuyucusu) başlıklı çalışmanın baş araştırmacısı Syed Faizan, "Temelde, vizyon-dil modelleri tarafından oluşturulan ısı haritalarının, görüntüye bakan radyologların hastalığın nerede olduğunu söyleyecekleri yerle gerçekten örtüşüp örtüşmediğini incelemek istedik" dedi.
Ekip; MAIRA-2, MedGemma-4B, LLaVA-Med-1.5 ve LLaVA-1.5 modellerini binlerce halka açık göğüs röntgenine karşı değerlendirdi. Çalışmaya iki radyolog da katılarak yapay zeka destekli vurguların insan değerlendirmeleriyle karşılaştırılmasına olanak sağladı.
Uluslararası Tıbbi Görüntü Bilişimi ve Bilgisayar Destekli Müdahale Konferansı'nda (MICCAI) 2026 kabul edilen çalışmanın, Strazburg'daki iMIMIC Uydu Etkinliğinde sunulması planlanıyor.
Araştırmacılar, yapay zeka modelinin bir röntgenin görünüşte doğru bir bölgesini vurgulamasının, mutlaka hastalığı bir radyologla aynı şekilde tanımladığı anlamına gelmediğini tespit etti.
Dr. Faizan'a göre bir model, hastalıklı bölgeyi görüntümden bağımsız olarak belirlemek yerine, önce bir teşhise varıp ardından ısı haritasını nereye koyacağını belirlemek için bu sonuca başvurabilir.
Bu olasılığı test etmek için ekip, teşhis bilgilerini çıkardı ve modellerin anormallikleri nasıl yerelleştirdiğini inceledi. Modellerin performansı düştü, bu da bir teşhisle ilişkili anatomik beklentilerin modeller tarafından vurgulanan bölgeleri etkileyebileceğini düşündürdü.
Çalışma ayrıca, teknik denetim ve radyologların değerlendirmelerinde bu farklı modellerin performansı arasında bir fark olduğunu da ortaya koydu.
Dr. Faizan, bu farkın yapay zeka araçlarını klinik bir perspektiften değerlendirmenin önemini vurguladığını belirtti. Şüpheli bir anormalliğe yakından odaklanan bir model ma