Güney Kore merkezli yapay zeka dönüşümü (AX) altyapısı şirketi Acrylic, sağlık sektörüne özel geliştirdiği yapay zeka modelinin, Google, Anthropic ve OpenAI'ın küresel öncü modellerini geride bıraktığını açıkladı. Şirket, uzman bilgisi gerektiren sağlık alanındaki bu başarının, 'egemen yapay zeka' (sovereign AI) pazarına girişini hızlandırmasını bekliyor.
Acrylic, 1 Eylül'de yaptığı açıklamada, sağlık alanına özel yapay zeka modeli 'AREUM (ALLM).H2 FRANK'ın, Kore'nin ulusal sağlık meslek sınavlarına dayanan açık kıyaslama seti 'KorMedMCQA'daki doktorluk lisans sınavı bölümünde tam puan aldığını belirtti.
Dört meslek grubunu (doktorlar, diş hekimleri, eczacılar ve hemşireler) kapsayan toplam 3.009 soruluk değerlendirmede model, 2.980 soruyu doğru yanıtlayarak %99,0 doğruluk oranına ulaştı. Doğru yanıt sayısına göre Google'ın 'Gemini 3.1 Pro'sunu (2.959 soru), Anthropic'in 'Claude Opus 5'ini (2.952 soru) ve OpenAI'ın 'GPT-5'ini (2.871 soru) geride bıraktı.
AREUM.H2 FRANK, 3,1 milyar (31B) parametreli tek bir model. Acrylic, karşılaştırmalı değerlendirmeleri aynı sorular, istemler ve puanlama yöntemleriyle gerçekleştirdi. Her soru beş kez yanıtlandı ve nihai yanıt çoğunluk oyuyla belirlendi. Hekim testinde ise ek üç ölçüm turunun ikisinde tüm sorulara doğru yanıt verildiği kaydedildi.
Acrylic, değerlendirme sorularının eğitim verilerinde yer alıp almadığını doğruladığını ve sonuçların tekrarlanabilirliğini sağlamak için değerlendirme koşullarını, kodu, sonuç defterini ve demo API'yi yayınladığını açıkladı.
Bu performans artışı, şirketin 'VICTOR' adını verdiği özel artımlı öğrenme yöntemiyle elde edildi. VICTOR, tüm yapay zeka modelini yeniden eğitmek yerine gerekli uzman bilgisini seçici olarak ekliyor. Bu yaklaşımla modelin performansı, temel modele kıyasla 185 ek soru, Nisan ayında yayınlanan önceki modeli 'ALLM.H'ye kıyasla üç hafta içinde 174 ek soru iyileşti. Yöntemin temel özelliği, tam yeniden eğitim gerektirmeden yeni uzman bilgisi veya güncellenmiş düzenlemeleri ve sistemleri bünyesine katabilmesi.
Acrylic, bu teknolojiye dayanarak tıbbi yapay zekasının uygulama alanını sağlık profesyonellerinin ötesine taşımayı, tüm hastane personelini ve biyo-farmasötik sektörleri kapsayacak şekilde genişletmeyi planlıyor. Şirket, yalnızca klinik ve tıbbi işleri değil, aynı zamanda araştırma, tıbbi idare ve hastaneyle ilgili diğer işleri ile biyo-farmasötik şirketlerindeki Ar-Ge ve klinik çalışmaları da desteklemeyi hedefliyor.
Şirket özellikle şirket içi (on-premises) ticarileştirmeye odaklanıyor. AREUM.H2 FRANK, hastanelerin veya şirketlerin sahip olduğu GPU sunucularına doğrudan dağıtılabiliyor; böylece hassas tıbbi ve araştırma verileri harici yapay zeka hizmetlerine iletilmeden dahili olarak işlenebiliyor. Acrylic ayrıca, büyük öncü modellere kıyasla daha düşük çıkarım maliyetlerini de önemli bir avantaj olarak vurguladı.
Acrylic, Kore'deki büyük üçüncü basamak hastanelerle yapay zeka gösterimi ve dağıtımı için ortaklıklar kurarak ve yapay zeka destekli elektronik tıbbi kayıt (EMR) platformu 'NADIA-ANE'yi kullanarak ticarileştirmeyi ilerletiyor. Uygulama, kanser tarama sonucu özetleri gibi hastane iş desteği hizmetleriyle başlayacak ve kademeli olarak genişletilecek.
Acrylic CEO'su Ojjin Park, "Anahtar başarı, 31B parametreli modelimizin küresel öncü modelleri aşan uzman bilgisi anlama ve muhakeme yetenekleri sergilemesidir" dedi ve ekledi: "Bu alana özel yapay zekayı yalnızca sağlık profesyonellerinin değil, çeşitli hastane personelinin ve biyo-farmasötik endüstrilerinin de kullanabileceği şekilde daha da geliştireceğiz."
Park sözlerini şöyle sürdürdü: "Şirket içi ortamlarda veri egemenliğini güvence altına alırken sürekli uzman bilgisi eklemek, Acrylic AI'nın rekabet avantajıdır. AREUM.H2 FRANK ile kanıtlanan teknolojiyi çeşitli uzmanlık alanlarına genişleterek AX altyapı rekabetçiliğimizi güçlendireceğiz."
Neden önemli
Bu sonuç, genel amaçlı dev modellerin her alanda en iyi performansı göstereceği varsayımına meydan okuyor. 31B parametreli bir modelin, 100 milyarlarca parametreye sahip olduğu bilinen rakiplerini (parametre sayıları kaynakta belirtilmemiş) uzmanlık gerektiren bir sınavda geçmesi, alana özel modellerin verimlilik açısından cazip bir alternatif olabileceğini gösteriyor.
Özellikle sağlık gibi veri gizliliğinin kritik olduğu sektörlerde, modelin şirket içi sunucularda çalıştırılabilmesi ve düşük çıkarım maliyeti, hastanelerin ve araştırma kurumlarının hassas verilerini harici hizmetlere göndermeden yapay zeka kullanmasına olanak tanıyor. Bu durum, 'egemen yapay zeka' kavramının pratikte nasıl hayata geçebileceğine dair somut bir örnek sunuyor.
Acrylic'in VICTOR yöntemiyle modeli tamamen yeniden eğitmeden yeni bilgiler ekleyebilmesi, tıbbi düzenlemeler ve protokoller sık sık güncellendiğinden sağlık sektöründe önemli bir operasyonel avantaj sağlayabilir. Bu yaklaşım, diğer uzmanlık alanlarına da genişletilebilirse, yapay zeka geliştirme maliyetlerini ve süresini önemli ölçüde azaltabilir.
