Yapay zeka destekli görüntüleme sistemleri, tıp dünyasında hastalık tespiti ve tanı süreçlerini hızlandırmak için giderek yaygınlaşıyor. Ancak son yıllarda yapılan araştırmalar, bu sistemlerin en temel dil işleme yeteneği olan “olumsuzlama” (negasyon) kelimelerini algılamada büyük zorluklar yaşadığını gösteriyor. “No”, “not” ya da “without” gibi kelimeleri doğru bir şekilde yorumlayamayan AI modelleri, bir görüntünün hastalık içerip içermediğini ayırt edemiyor. Örneğin, raporunda “No signs of pneumonia” yazan bir akciğer filmini hastalıklı olarak işaretleyebiliyor.
Bu eksiklik, hastaların yanlış tanı almasına veya gereksiz tedavilere yönlendirilmesine yol açabiliyor. Klinik uygulamalarda bu tür hatalar, hem güvenlik hem de maliyet açısından ciddi riskler oluşturuyor. Her yıl dünya genelinde milyonlarca görüntüleme çalışması yapıldığını düşündüğümüzde, küçük bir dil işleme hatasının yaratacağı etki devasa boyutlara ulaşabiliyor. Ayrıca doktorlar, modelin önerilerini referans alarak karar verdiğinde, yanlış pozitif ya da yanlış negatif sonuçlar tedavi sürecini olumsuz etkiliyor.
Bunun temel nedeni, AI modellerinin eğitim verisi olarak kullanılan tıbbi rapor ve etiketlerdeki “negatif” ifadelerin yetersiz temsil edilmesi. Çoğu zaman eğitim setleri, hastalığı gösteren pozitif örneklere odaklanıyor; “iz yok”, “yansıma yok” gibi ifadelerse ihmal ediliyor. Bu da sistemin, metindeki küçük ama kritik kelimeleri görmezden gelmesine yol açıyor. Araştırmacılar, bu sorunu çözmek için daha dengeli veri kümeleri ve özel negasyon tanıma katmanları öneriyor. Dil işleme modellerine eklenen “negasyon modülleri” sayesinde, bir ifadenin olumlu mu yoksa olumsuz mu olduğunu ayırt edebilmek mümkün hale geliyor.
Günümüzde derin öğrenme mimarilerine entegre edilen doğal dil işleme bileşenleri, bu sorunu gidermeyi hedefliyor. Özellikle biyomedikal dil modelleri, “negation detection” konusunda ince ayarlanarak daha güvenilir hale getirilmeye çalışılıyor. Ancak henüz tam oturmuş bir çözüm yok; dolayısıyla klinik ortamlarda AI destekli tanı sistemleri kullanılmadan önce kesinlikle insan denetiminden geçmeleri gerekiyor.
Uzmanlar, yapay zekanın tıbbi alanda devrim yaratma potansiyelini kabul ediyor ancak bu tür temel dil işleme eksikliklerinin giderilmesi şart. Negasyonları doğru anlayabilen sistemler geliştirmek, yapay zekanın güvenilirliğini ve etkinliğini bir üst seviyeye taşıyacak. Bu sayede hem doktorlar hem de hastalar, daha doğru ve hızlı tanı süreçlerinden faydalanabilecek.
https://images.newscientist.com/wp-content/uploads/2025/05/19203511/SEI_252116283.jpg
Bir yanıt yazın