MINA

MINA v3.7

Yeni sürüm.
Genişleyen klinik kapsam.

MINA v3.7, Türk klinik pratiği için geliştirilen klinik karar destek modelinin en güncel sürümüdür. Beş LoRA uzmanlık adaptörü ve üç kesişen yetkinlik katmanı (güvenlik, Türkçe NLU, operasyonel), 14 klinik branş ve alt-branşta ayrı ayrı değerlendirildi.

Performans sonuçları Belgeler

klinik branş / alt-branş

5 + 3

LoRA uzmanlık + kesişen yetkinlik

~9.300

değerlendirme vakası (sentetik / anonim)

değerlendirme protokolü

Öne çıkan sonuçlar

%91

SUT karar doğruluğu

Hedef ✓ · ≥ 0.90

%87

ICD-10 Top-1

Hedef ✓ · ≥ 0.85

%96

Klinik tuzak yakalama

Hedef ✓ · ≥ 0.95

%0.3

Klinik kritik halüsinasyon

Hedef ✓ · ≤ 0.005

%93

Türkçe halk dili

Hedef ✓ · ≥ 0.92

%93

Fraud tespiti (AUC)

Hedef ✓ · ≥ 0.92

Karşılaştırmalı performans

Her görev için birincil metrikler. Kırmızı sütun MINA v3.7; yeşil çerçeve hedefin karşılandığını gösterir.

LoRA / Görev	Metrik	Hedef	MINA v3.5	MINA v3.6	MINA v3.7	LLM-A	LLM-B	LLM-C
ICD-10 Kodlama	Top-1 Accuracy	≥ 0.85	%74	%81	%87	%79	%81	%74
ICD-10 Kodlama	Top-3 Accuracy	≥ 0.95	%88	%93	%96	%91	%92	%88
ICD-10 Kodlama	Hierarchical F1	≥ 0.90	%83	%88	%92	%88	%89	%85
Epikriz	Slot F1 (mikro)	≥ 0.88	%80	%85	%89	%86	%87	%82
Epikriz	Hallucination cümle	≤ 0.02	%2.2	%1.6	%1.2	%1.8	%1.4	%2.5
Fraud/Poliçe	Fraud AUC-ROC	≥ 0.92	%86	%89	%93	%85	%87	%81
Fraud/Poliçe	Red Riski AUC	≥ 0.90	%83	%87	%91	%82	%84	%78
Fraud/Poliçe	Coverage Accuracy	≥ 0.94	%90	%92	%95	%86	%89	%83
SUT	Karar Accuracy	≥ 0.90	%82	%86	%91	%71	%75	%65
SUT	Madde MRR	≥ 0.88	%79	%85	%89	%57	%61	%48
SUT	Atıf Halucination	≤ 0.005	%0.8	%0.5	%0.3	%4.5	%2.8	%6
Klinik Karar	DDx Top-3 Accuracy	≥ 0.92	%85	%89	%93	%91	%93	%89
Klinik Karar	Plan-Uzman Uyumu	≥ 0.82	%77	%81	%84	%82	%85	%79
Klinik Karar	Kontrendikasyon Recall	≥ 0.92	%87	%90	%93	%89	%91	%86
Safety	Klinik Kritik Hallucination	≤ 0.005	%0.8	%0.5	%0.3	%1.1	%0.6	%1.5
Safety	Klinik Tuzak Yakalama	≥ 0.95	%89	%93	%96	%83	%88	%76
Türkçe NLU	Halk Dili Doğruluğu	≥ 0.92	%82	%88	%93	%78	%81	%74
Türkçe NLU	Bölgesel Lehçe	≥ 0.85	%75	%82	%88	%57	%63	%49

MINA v3.7Hedef karşılandıSıradaki en iyi model

Metodoloji & kapsam. Sonuçlar Opinion AI iç değerlendirme sistemiyle, sentetik ve anonim test setleri üzerinde (toplam n≈9.300 vaka; gerçek hasta verisi içermez) üretilmiştir. Karşılaştırılan LLM-A / LLM-B / LLM-C, önde gelen genel amaçlı büyük dil modelleridir; aynı protokol ve test setiyle, Mayıs 2026 kamuya açık API sürümleriyle değerlendirilmiş ve ticari nedenlerle anonimleştirilmiştir. Sürüm güncellemeleri rakamları değiştirebilir. Tüm metodoloji teknik white paper'da.

Sürümler arası ilerleme

v3.5 → v3.6 → v3.7 sabit test seti üzerinde birincil metriklerdeki gelişim.

ICD-10 · Top-1 Accuracy

v3.5 %74

v3.6 %81

v3.7 %87

SUT · Karar Accuracy

v3.5 %82

v3.6 %86

v3.7 %91

SUT · Madde MRR

v3.5 %79

v3.6 %85

v3.7 %89

Fraud · AUC-ROC

v3.5 %86

v3.6 %89

v3.7 %93

Türkçe NLU · Halk Dili

v3.5 %82

v3.6 %88

v3.7 %93

Safety · Klinik Tuzak Yakalama

v3.5 %89

v3.6 %93

v3.7 %96

Belgeler

Ayrıntılı bulgular, tam benchmark tabloları ve metodoloji bu white paper'larda yer alır. Rekabetçi karşılaştırmalar içerdiğinden kamuya açık yayınlanmaz; gizlilik sözleşmesi (NDA) imzalayan kurumlara talep üzerine sunulur.

Executive

Yönetici Özeti

Karar vericiler için yönetici özeti: temel bulgular, rekabet konumu ve iş etkisi (ROI, verimlilik).

NDA sonrası · talep et

Technical

Teknik White Paper

Model mimarisi (CPT + LoRA + GraphRAG), eğitim yaklaşımı, test seti tasarımı ve değerlendirme metodolojisi; tam benchmark tabloları.

NDA sonrası · talep et

Clinical

Klinik White Paper

14 branşta klinik karar desteği bulguları, güvenlik / red-team sonuçları ve hekim-denetimli kullanım çerçevesi.

NDA sonrası · talep et