Konuşulan tanısal ipuçlarını büyük dil modelleriyle yapılandırılmış ultrason raporlarına dönüştürmek için UltraReporter

Sözü Zamana Çevirme

Doktorlar ultrason yaptıklarında, iki zor görevi aynı anda yürütmek zorundadır: hastayı dikkatle taramak ve ayrıntılı bir raporu aceleyle yazmak veya tıklamak. Bu evrak işi taramadan daha uzun sürebilir ve yorgunluğa ile küçük ama önemli hatalara açıktır. Çalışma, muayene sırasında doktorların zaten söyledikleri kısa ifadeleri dinleyen ve bunları yaklaşık bir saniye içinde düzgün, yapılandırılmış bir rapora otomatik olarak dönüştüren UltraReporter adlı bir yapay zeka sistemi sunuyor. Hastalar için bu daha hızlı ziyaretler ve daha tutarlı dokümantasyon; klinisyenler için ise zaman kazanma ve tükenmişliği azaltma imkanı demek.

Ultrason Odasında Yeni Bir Yardımcı

Birçok hastanede ultrason, karaciğer, safra kesesi, böbrekler, tiroit ve diğer organlar için kullanılan en yaygın görüntüleme aracıdır. Hızı ve güvenliği, muayene hacimlerini o kadar artırdı ki sonografistler ve radyologlar yoğun raporlama baskısıyla karşı karşıya. Geleneksel olarak, raporlamayı otomatikleştirme girişimleri ya uzun dikteleri yazıya dökmeye ya da görüntüleri doğrudan yorumlamaya çalıştı. Her iki yaklaşım da gerçek kliniklerde zorlanıyor: tam dikte hâlâ dakikalar alıyor ve düzenleme gerektiriyor, görüntüye dayalı sistemler ise genellikle gürültülü ultrason görüntülerini yanlış okuyabiliyor. UltraReporter bunun yerine doktorların zaten yaptığı işe uyuyor. Tarama sırasında doktorlar doğal olarak “karaciğer kisti, bir nokta iki çarpı bir nokta bir” gibi kısa ipuçları söylerler. UltraReporter bunları dinliyor, konuşulan ipuçlarını metne çeviriyor ve sonra kontrol edilip imzalanabilecek şablon tarzı tam bir rapora genişletiyor.

Havadaki Veriden Veri Oluşturmak

Böyle bir sistemi tasarlamanın temel bir sorunu var: gerçek konuşulan ipuçlarının nihai ultrason raporlarıyla eşleştirildiği neredeyse hiç çift yok. Araştırmacılar bunu, mevcut metin raporlarından gerçekçi eğitim verileri etkili bir şekilde üreten çok ajanlı bir yapay zeka hattıyla çözdüler. Bir yapay zeka “ipucu-simülatörü” tam raporları kısa, doktora özgü madde ifadelerine indirgemeyi öğreniyor. İkinci bir yapay zeka “rapor-üreticisi” bu ipuçlarını iyi yapılandırılmış anlatılara geri genişletmeyi öğreniyor. Üçüncü bir “kalite-değerlendirici” her sentetik çifti doğruluk, tamlık, açıklık ve diğer faktörler açısından puanlıyor ve yetersiz kalanları eliyor. Bu süreç, yüzlerce vücut bölgesini ve binlerce hastalığı kapsayan 21.000’den fazla yüksek kaliteli ipucu–rapor çifti üreterek sisteme ekstra el ile anotasyon gerektirmeden zengin bir temel sağladı.

Sisteme Hastane Alışkanlıklarını Öğretmek

Genel tıbbi bilgilerin ötesinde, gerçek dünya raporları yerel alışkanlıklara uymalıdır: tanıdık başlıklar, tercih edilen ifadeler ve yaygın bulguları tanımlamanın belirli yolları. Bunu yakalamak için ekip, şablon-ile-güçlendirilmiş ince ayar adını verdiği ikinci bir eğitim aşaması ekledi. Burada UltraReporter yalnızca ipuçları ve raporlardan değil, aynı zamanda ilgili organ ve hastalıkla eşleştirilmiş yaklaşık 200 gerçek kurumsal şablonluk bir kütüphaneden de öğreniyor. Bu, modelin standart sözcükleri ve düzeni kullanması için hafifçe yönlendiriyor ve hastalar ile sağlayıcılar arasında tutarlılığı artırıyor. Kusur-odaklı tercih optimizasyonu adı verilen son bir eğitim adımı, sistemin kendi ince hatalarını tespit edip düzeltmeyi öğrenmesini sağlıyor. Model bir ölçümü karıştırdığında veya önemli bir ayrıntıyı atladığında, başka bir yapay zeka bu kusuru işaretleyip düzeltilmiş versiyonu açıkça tercih eden eğitim örnekleri oluşturuyor ve modelin klinik muhakemesini keskinleştiriyor.

Konuşmadan Bir Saniyede Rapor

Yoğun bir muayene odasında çalışmak için sistem dağınık gerçek konuşmayı işleyebilmelidir. Yazarlar, “portal ven” gibi terimlerin gündelik kelimeler olarak yanlış duyulmaması için gürültüye dayanıklı bir konuşma tanıyıcıyı tıbbi Çince üzerinde ayarlanmış bir dil modeliyle eşleştiriyor. Tanınan ipucu daha sonra eğitilmiş UltraReporter modeline iletiliyor ve bulguları ve izlenimleri kapsayan yapılandırılmış bir rapor neredeyse anında üretiliyor. Güvenlik yerleşik: sistem her metin parçası, özellikle sayılar ve tanılar için ne kadar güvenli olduğunu hesaplıyor. Düşük güvene sahip herhangi bir bölüm doktor arayüzünde vurgulanıyor ve ikinci bir bakışı hak eden noktalara dikkat çekiliyor. Okuyucu çalışmalarında, bağımsız uzmanlar sıklıkla UltraReporter’ın raporlarını doktorların yazdıklarına eşit veya daha iyi olarak değerlendirdi ve rutin kullanımda üretilen raporların çoğu orijinalleriyle eşdeğer puanlandı.

Hastalar ve Klinikler için Anlamı

UltraReporter, göze çarpan birçok sistemden çok daha küçük olan nispeten kompakt bir dil modelinin—doğru verilerle ve dikkatle eğitildiğinde—odaklanmış, pratik bir görevde uzman performansına ulaşabileceğini veya onu aşabileceğini gösteriyor. Doktorların zaten söyledikleri kısa ifadeleri tam, standartlaştırılmış raporlara dönüştürerek, kontrolü klinisyenlerden almadan dokümantasyon süresini saniyelere indirebilme potansiyeli taşıyor. Hastalar için bu daha fazla yüz yüze zaman ve daha az bürokratik gecikme anlamına gelebilir. Sağlık sistemleri içinse bir yol haritası sunuyor: yerel şablonlara ve insan denetimine dayanan çok adımlı yapay zeka çerçevelerini kullanarak, günlük klinik rutinleri güvenli ve ölçeklenebilir biçimde dönüştürmek.

Atıf: Hao, P., Zhang, J., Zhang, S. et al. UltraReporter for transforming spoken diagnostic cues into structured ultrasound reports with large language models. Sci Rep 16, 13662 (2026). https://doi.org/10.1038/s41598-026-41439-w

Anahtar kelimeler: ultrason raporlaması, tıbbi yapay zeka, konuşmadan rapora, klinik dokümantasyon, büyük dil modelleri