Yapay zekâ sağlık hizmetlerinde yeni olanaklar sunuyor

Yapay zekâ, sağlık hizmetlerinde verilerin incelenmesi, tanıya destek ve tedavilerin izlenmesi için yeni olanaklar sunuyor. Bununla birlikte her sistemin güvenilirliği, hangi hastalarda ve koşullarda değerlendirildiğine bağlıdır.

Yapay zekâ

Yapay zekâ bazı iş akışlarını hızlandırabilir ve sağlık çalışanlarının yükünü azaltabilir. Maliyetleri düşürmesi veya hizmetlere erişimi iyileştirmesi ise uygulamaya, altyapıya ve klinik değerlendirmeye bağlıdır.

Yapay zekâ farklı yöntemleri kapsar. Derin öğrenme modelleri görüntülerde ve diğer verilerde örüntüler saptayabilir; insan beyniyle aynı biçimde çalışmaz ve yanılabilir.

Tanıya destek

Tanıya yardımcı sistemler, yeni verileri eğitim sırasında öğrendikleri örüntülerle karşılaştırır. Yararlı olabilmeleri için farklı hasta gruplarında doğrulanmaları ve sağlık çalışanlarının değerlendirmesine uygun biçimde kullanılmaları gerekir.

Göz enfeksiyonlarının değerlendirilmesi

Bu alandaki bir örnek, eClinicalMedicinedergisinde yayımlanan çalışma¹, Darren Ting ve çalışma arkadaşlarının enfeksiyöz keratitte derin öğrenme yöntemlerini değerlendiren sistematik inceleme ve meta-analizidir.

Enfeksiyöz keratit, korneada enfeksiyon ve iltihaplanmaya yol açabilir; ağır vakalarda görme kaybı gelişebilir. Keratit, bir protein olan keratinle aynı şey değildir. Erken değerlendirme ve uygun tedavi önemlidir.

Kaynak – Webeye Kornea Taraması

Araştırma, 136 binden fazla kornea görüntüsünü içeren 35 çalışmayı bir araya getirdi. Bunlar tek bir yeni algoritmanın eğitim verileri olarak sunulmamalıdır.

Birleştirilmiş sonuçlarda derin öğrenme modellerinin duyarlılığı yüzde 89,2, özgüllüğü yüzde 93,2 olarak bildirildi. Göz hekimleri için karşılık gelen değerler yüzde 82,2 ve yüzde 89,6 idi. Duyarlılık, genel doğruluk oranıyla aynı ölçüt değildir; sonuçlar her klinikte üstünlük veya daha hızlı tanı garantisi vermez.

Bu sonuçlar, yapay zekânın göz hekimlerine yardımcı olabileceğini düşündürüyor. Uzak bölgelerde kullanım için cihaz, veri kalitesi, erişim ve klinik doğrulama gibi gereksinimler ayrıca değerlendirilmelidir.

Akciğer Kanseri Tanısı

Akciğer kanseri önemli bir sağlık sorunudur; IARC verilerine göre 2022 yılında dünyada yaklaşık 1,8 milyon ölüme neden olmuştur. Köln Üniversitesi ve Köln Üniversite Hastanesi araştırmacıları, akciğer kanserinin patolojik değerlendirmesine yardımcı olacak algoritmalar geliştirdi.

Çalışma, sayısallaştırılmış doku kesitlerindeki özelliklerin yapay zekâyla incelenmesine odaklanır. Doku örneği gerektirdiğinden bütünüyle girişimsiz bir tanı yöntemi değildir. Taşınabilir bir cihazın tüm hastalarda yüzde 89 doğrulukla kanser teşhis ettiği sonucuna da varılamaz.

İlaç Hatalarını Tespit Etme

İlaç hazırlama ve uygulama hataları hastalara zarar verebilir. Hataların türü ve sıklığı, klinik ortama ve kullanılan tanıma göre değişir.

Zaman baskısı, benzer ambalajlar ve çalışma koşulları hatalara katkıda bulunabilir. Destekleyici teknolojiler, güvenli ilaç uygulama süreçlerinin yerini almak yerine bu süreçlere eklenmelidir.

Washington Üniversitesi araştırmacıları, ilaç hazırlanırken flakonların ve şırıngaların kamera görüntülerinden tanınmasına dayanan bir sistemi inceledi.

Kamera destekli ilaç kontrolü

Sistem, flakon ve şırınga biçimi, kapak rengi ve etiket özellikleri gibi görsel ipuçlarını değerlendirir. Amaç, arka plandaki ilaçlardan çok hazırlanan ilaca odaklanmaktır.

Araştırmada 13 anestezi çalışanından elde edilen 418 ilaç çekme işleminin görüntüleri kullanıldı. Belirli flakon değiştirme hatalarının saptanmasında yüzde 99,6 duyarlılık ve yüzde 98,8 özgüllük bildirildi.

Bu değerler tüm ilaç hatalarının aynı başarıyla saptandığı veya sistemin hasta ölümlerini azalttığının kanıtlandığı anlamına gelmez. Klinik kullanımda ek değerlendirme ve insan denetimi gerekir.

Tedavi Etkinliğini İzleme

Yapay zekâ, tedaviye yanıtın izlenmesinde farklı veri kaynaklarını bir araya getirmeye yardımcı olabilir. Aile öyküsü ve çevresel etkenler gibi bilgiler ancak uygun, güvenilir ve izinli biçimde kullanıldığında yararlıdır.

Tedavi verilerinin analizi, yanıt örüntülerini araştırmaya destek olabilir. Simülasyonlar bazı deneyleri yönlendirse de klinik güvenlilik ve etkinlik değerlendirmelerinin yerini bütünüyle alamaz.

Yapay zekâ ve giyilebilir cihazlar

Akıllı saatler ve biyosensörler hareket, uyku ve bazı fizyolojik verileri izleyebilir. Sağlık amaçlı ölçümlerin anlamı, cihazın doğrulanmış kullanım alanına bağlıdır.

Bazı işlemler cihaz üzerinde, bazıları ise uzaktaki sunucularda yapılabilir. Tüm giyilebilir cihazların her işlev için internete bağlanması gerekmez.

Kaynak – Scnsoft

Cihaz üzerinde veri işleme, gecikmeyi ve dışarı gönderilen veri miktarını azaltabilir. Büyük dil modelleri sesli veya yazılı arayüzler sağlayabilir; ancak donanımın esnekliğini doğrudan onlar sağlamaz. Ölçümler tek başına her zaman kesin bir sağlık değerlendirmesi sunmaz.

Esnek elektronik

Nature Electronics dergisinde yayımlanan “A wearable in-sensor computing platform based on stretchable organic electrochemical transistors” başlıklı çalışma, esnek organik elektrokimyasal transistörlere dayalı bir platformu inceliyor.

Araştırmacılar, algılama ve veri işlemeyi esneyebilen bir yapıda birleştirdi ve elektrofizyolojik sinyallerle denemeler yaptı. Bu, her hastada klinik doğruluğun, daha düşük maliyetin veya uzun süreli dayanıklılığın kanıtlandığı anlamına gelmez.

Yeni Tedavi Prosedürleri

Nanoparçacıklar ve deneysel mikro veya nanorobotlar ilaç taşınması araştırmalarında farklı yaklaşımlardır. Her nanoparçacık robot değildir ve kendi kendine hareket etmez.

Yapay zekâ, bazı sistemlerin tasarımına veya kontrolüne yardımcı olabilir. İlaçların her organın her bölgesine güvenle ulaştırılması ve daha etkili tedavi sağlanması ise ayrı deneysel ve klinik kanıt gerektirir.

Sağlık teknolojisi şirketlerine bir örnek

Şirketler yapay zekâyı farklı ürün ve süreçlerde kullanabilir. Bunun ticari başarıya dönüşmesi klinik yarara, güvenliğe, düzenleyici gerekliliklere ve rekabete bağlıdır.

Medtronic

Medtronic, 1949 yılında kurulan bir tıbbi cihaz şirketidir. Şirketin geçmişindeki önemli gelişmelerden biri, 1957 yılında geliştirilen, pille çalışan ve vücutta taşınabilen kalp pilidir. Kuruluş tarihi 1940 değildir.

MDT Fiyat Grafiği

Şirketin GI Genius sistemi, kolonoskopi sırasında olası kolorektal poliplerin saptanmasına yardımcı olur. Bir polibin bulunması, kanser tanısının otomatik olarak konulduğu anlamına gelmez.

StealthStation bir cerrahi navigasyon sistemidir; Mazor X ise omurga cerrahisinde robot destekli planlama ve yönlendirme için kullanılır. Bunları aynı tür iki cerrahi robot olarak tanımlamak doğru değildir. Sonuçlar işlem ve hasta grubuna göre değerlendirilmelidir.

Medtronic, kalp pilleri ve diğer tıbbi cihazlar gibi birçok alanda faaliyet gösterir. Yapay zekâya yönelik ilgi, şirketin gelirlerinin veya hisse değerinin kesin artacağını göstermez.

Sağlıkta yapay zekânın geleceği

Görüntüleme, veri analizi ve yeni üretim yöntemleri gelecekte birlikte kullanılabilir. Yapay zekânın tanı koyduğu ve derinin içinden basılan nanorobotların doğrudan tedavi uyguladığı senaryo ise bu araştırmaların gösterdiği bir klinik uygulama değildir.

Uzak bölgelerde erişimi geliştirmek olası bir yarardır. Bunun gerçekleşmesi için eğitimli personel, altyapı, maliyet, veri koruması ve güvenilirlik sorunlarının da çözülmesi gerekir.

Sağlıkta yapay zekâ: olanaklar ve değerlendirme ihtiyacı

Yeni sistemler, gösterilmiş yararları ve riskleri dikkate alınarak uygulanmalıdır. Daha fazla yapay zekâ kullanımı tek başına daha iyi sağlık hizmeti anlamına gelmez; klinik kanıt ve uygun insan denetimi önemlidir.

Diğer yapay zekâ projelerini incelemek için buraya tıklayın.

Çalışma Referansı:

^{1. University of Birmingham. (21 Ekim 2024). Çalışma, kornea enfeksiyonlarının tanısında yapay zekâ ile göz hekimlerinin performansını karşılaştırıyor. https://www.birmingham.ac.uk/news/2024/ai-eye-to-eye-with-ophthalmologists-in-diagnosing-corneal-infections-study-finds}