Written by AÇIK BİLİM• 10 Şubat 2026• 10:01• Yapay Zeka

Prima: MRI Acilini Okuyan Yapay Zeka

Michigan Medicine – University of Michigan ekibinin geliştirdiği Prima adlı yapay zeka, beyin MRI görüntülerini saniyeler içinde yorumlayıp acil müdahale gerektiren durumları işaretleyebiliyor. Araştırmacılara göre Prima, çok sayıda nörolojik tanıda %97,5’e varan doğruluk gösterirken iş akışını da hızlandırma potansiyeli taşıyor.

Michigan Medicine – University of Michigan araştırmacıları, Prima adını verdikleri yeni bir yapay zeka sistemiyle beyin MRI taramalarını saniyeler içinde analiz edip hem olası tanıları hem de vakanın aciliyet düzeyini belirleyebildiklerini bildiriyor. Çalışma Nature Biomedical Engineering dergisinde yayımlandı.

Prima ile MRI triyajı ve hızlı uyarı

Ekip, Prima’yı bir yıl boyunca 30 binden fazla MRI incelemesi üzerinde test etti. Elli’den fazla farklı radyolojik tanı başlığında değerlendirilen sistemin, diğer ileri düzey yapay zeka modellerine kıyasla daha güçlü performans gösterdiği ve ayrıca hangi hastaların daha yüksek öncelikle ele alınması gerektiğini ayırt edebildiği aktarılıyor.

Araştırmacılar özellikle inme ve beyin kanaması gibi zamanla yarışılan durumlarda hızın kritik olduğuna dikkat çekiyor. Buna göre Prima, görüntüleme biter bitmez ilgili sağlık ekibine otomatik uyarı göndererek vakayı uygun uzmana (örneğin inme nöroloğu veya beyin cerrahı) yönlendirmeyi hedefliyor.

Prima’nın farkı, yalnızca görüntüye bakmakla kalmaması: Sistem bir “vision language model (VLM)” yaklaşımıyla görsel veriyi metinle birlikte ele alıyor. Model; University of Michigan Health’te dijital kayıtlardan bu yana biriken gerçek dünya verileriyle, 200 binden fazla MRI çalışması ve 5,6 milyon görüntüleme sekansına ek olarak hastanın klinik öyküsü ve tetkikin istenme gerekçesi gibi bağlam bilgilerini de kullanacak şekilde eğitildi.

Çalışma, MRI talebinin artması ve uzman radyoloji hizmetlerine erişimde yaşanan darboğazlar nedeniyle raporların gecikebildiği bir dönemde, yapay zekanın “eş pilot” rolüyle iş yükünü azaltabileceği fikrini öne çıkarıyor. Araştırmacılar bunun erken aşama bir değerlendirme olduğunu vurgularken, bir sonraki adımda daha ayrıntılı hasta verileri ve elektronik sağlık kaydı bilgilerinin entegrasyonuyla doğruluğun daha da artırılmasını amaçlıyor.