Hava Durumu

Tıbbın odağında yapay zekâ olacak (mı)....

Yazının Giriş Tarihi: 26.08.2020 06:30
Yazının Güncellenme Tarihi: 26.08.2020 06:30

Makine öğrenimi hususu; günümüzde tıp çevrelerinin en yoğun ilgi alanı...

Özelikle hastalıkların teşhisi, ilaç geliştirilmesi, tedavilerin kişiselleştirilmesi ve genomik düzenlemelerde yapay zekâ nasıl ve ne şekilde kullanılır diye çalışmalar artmakta...

Bu dört husus, hastane odaklı sağlık sisteminden hastanın daha güçlü olacağı bir sağlık sistemine dönüşümün temelleri olacak...

Hastalıkların teşhisinde yapay zekâ...

Hastalıkların teşhisi bilgi ve teknoloji gerektiren eğitim almış hekimler ile yapılabilen zahmetli ve zaman alıcı bir işlem. Ayrıca talep ile arz dengesizliği de söz konusu ise bekleyen hastaların olması da cabası...

Yapay zekânın derin öğrenme algoritmaları ile donatılması neticesi hastalıkları otomatik olarak teşhis etmede büyük ilerlemeler kaydedildi ve teşhisler daha ucuz ve daha erişilebilir hale geldi...

Makine öğrenimi algoritmalarının oluşması için hekimlerin teşhis algoritmalarından binlercesinin makine üzerinde dijitalleşmesi gerekiyor. Makineler ders kitaplarının satır aralarını okuyamıyor.

Dolayısıyla da yapay zekâ öncelikle bir doktorun teşhis için incelediği hasta bilgilerinin dijitalleştiği alanlarda daha yararlı oluyor ve öne çıkıyor.

Örneğin radyolojik görüntüleri tarayarak teşhis koyması, EKG ve kardiyak MRI görüntülerine göre ölüm riski tespiti, deri lezyonlarında sınıflama yapabilmesi, gözde diyabetik retinopati göstergelerine göre kıyaslama yapabilmesi, günümüzde yapay zekânın avantajları...

Tıp alanında kullanılacak yapay zekâ; algoritmaları ne kadar çok geliştirilirse saniyeler içinde radyolojik teşhislere ulaşmak mümkün, üstelikte bolca hekim gücü ihtiyacı olmadan, hem de daha ucuza.

Bugünkü gelinen nokta başlangıç aslında, Makine Öğrenimi ile daha iddialı sistemler yapılabilecek.

Bir hastalığı veya ilerlemesini değerlendirmede birden çok veri kaynağından (CT, MRI, genomik ve proteomik hasta verileri ve hatta el yazısı dosyaları) faydalanılması ile... 

Yakın dönemde yapay zekâ; doktorların yerini daha alamayacak çünkü gelişmesi için hekimlerin geliştireceği algoritmalara daha çok ihtiyaçları var.

Orta ve uzun vade ise bilinmemekte....

İlaç endüstrisinde yapay zekâ...

İlaç geliştirilmesi pahalı ve analitik bir süreçtir. Makine Öğrenimi bu süreçte verimlilik sağlayabilir.

İlaç geliştirmedeki ilk adım, bir hastalığın biyolojik kökenini ve direnç mekanizmalarını anlamaktır.

Bu noktada çoklu veri olduğu için doğru belirlenmiş makine öğrenimi algoritmaları ile analiz kolaylaşır.

İkinci aşamada ise hedef molekül ile istenen etkileşimi yaratacak bir bileşik bulmanız gerekir ki makine öğrenimi algoritmaları filtreleme kapasiteleri sayesinde bu aşamada da molekül tanımlayıcılarına dayalı hızlı ve güvenilir bir tahmin yapabilir.

Üçüncü aşama klinik deneyler için uygun aday bulunması olduğundan katılımcı grupların sağlık verilerinin, algoritmalar ile en hızlı kıyaslanmasını da gerçekleştirebilir, izlem sayesinde erken uyarılar ile de araştırmaların kadük kalmasına engel olur.

Ve özellikle de hastalığın teşhisindeki doğru biyobelirteçlerin bulunmasına katkı sağlar.

Biyobelirteçler, vücut sıvılarında (tipik olarak insan kanı) bulunan ve bir hastanın bir hastalığı olup olmadığına dair mutlak kesinlik sağlayan moleküllerdir.

Bir hastalığı teşhis etme sürecini güvenli ve ucuz hale getirir.

Biyobelirteç bulunmasında bazı yöntemler çok pahalıdır ve karmaşık laboratuvar ekipmanlarının yanı sıra uzman bilgisini de içerir, örneğin tüm genom dizilimi gibi.

Gördüğünüz gibi ilaç geliştirilmesinde de yapay zekâ kullanımı ret edilmeyecek bir aşamaya gelmiştir.

Tedavinin kişiselleştirilmesinde yapay zekâ...

Yaşlılık ve kronik hastalıkların artışı neticesi ülke ekonomilerinde önemli bir yer tutan sağlık giderlerinin minimize edilmesi kamu adına regülasyon yapan otoritelerin önemli hedefleri arasındadır.

Hatta bu hususlar G-20, G-8 gibi dünya ölçeğindeki toplantılara da konu olmaktadır.

Ve hastalar ilaçlara ve tedavi programlarına farklı yanıt verir. Bu yüzden kişiselleştirilmiş tedavi,

Tedavi giderlerinin minimize edilmesi adına bir potansiyele sahiptir. Ancak hangi faktörlerin tedavi seçimini etkilemesi gerektiğini belirlemek çok zordur.

Makine Öğrenimi, bu karmaşık istatistiksel çalışmayı otomatikleştirebilir ve hastanın belirli bir tedaviye nasıl bir yanıt vereceğini keşfetmeye yardımcı olabilir.

Özetle algoritma, bir hastanın belirli bir tedaviye olası tepkisini tahmin edebilir. Sistem bunu, benzer hastalara çapraz referans vererek ve tedavilerini ve sonuçlarını karşılaştırarak öğrenir. Ortaya çıkan sonuç tahminleri, doktorların kişiye özgü tedavi planını tasarlamasını çok daha kolaylaştırır.

Gen biliminde yapay zekâ...

Justin Kinney ve Ammar Tareen adındaki iki bilim insanı, gelişmiş makine öğrenmesi algoritmaları için geliştirdikleri bir yöntem ile çok sayıda genomdan oluşan bir gen dizisini düzenlemeyi başardı.

Araştırmacı Kinney, "Gen sistemlerinin işleyişinin nasıl gerçekleştiğini anlayabilmek, hastalıklara karşı moleküler tedavi yöntemleri geliştirebilmemiz için ihtiyaç duyduğumuz güçtür" diyerek farklı bir noktaya dikkat çekiyor. Tamda bu noktada yapay zeka, gen işleyişlerini anlamada yardımcı olabilir.

Bu değerlendirmedeki kaynağımız; (https://www.datarevenue.com/en-blog/artificial-intelligence-in-medicine) olup okumanızı tavsiye ederiz.

Bizim kanaatimiz yapay zekâda geldiğimiz yer daha başlangıç...

  1. Tıbbi verilerimizi ne kadar dijitalleştirip birleştirirsek,
  2. Karmaşık analitik süreçlerde doğru, uygun maliyetli kararlar almak için kullanabilirsek,
  3. Teşhis ve tedaviyi, çok daha hızlı ve çok daha ekonomik olarak yapabiliriz.

Belki de Kovid-19'un çözümü bile makinelerin öğrenmesinde...

Yükleniyor..
En son gelişmelerden anında haberdar olmak için 'İZİN VER' butonuna tıklayınız.