Dr. Yapay Zekâ
Yapay zekâ teknolojisi hastalıkların doğru ve erken teşhisinde doktorlara yardımcı olabilir.
IBM'nin Watson'ı ve Microsoft'un InnerEye'ından sonra yapay zekânın tıp ve sağlık alanında kullanılmasına yönelik girişimlere başlayan bir başka firma olan Enlitic, derin öğrenmeyi ve makine öğrenmesini tıp dünyası ile buluşturarak erken teşhiste doktorlara yardımcı olmayı ve daha etkili tedavi yöntemleri bulmayı amaçlıyor.
Derin öğrenmeyi kullanarak doktorların daha etkili ve doğru değerlendirme yapmaları amacıyla geliştirilen Enlitic yapay zekâ teknolojisi, radyoloji yöntemi (farklı dalga boylarındaki ışınların ve ses dalgalarının hastalıkların teşhisinde ve tedavisinde kullanıldığı tıbbi yöntem) ile elde edilen görüntüler üzerinden hastalığı teşhis edebiliyor.
2020'ye kadar dünya genelinde hasta verilerinin büyüklüğünün 25.000 petabayta (1 petabayt=1024 terabayt) ulaşacağı tahmin ediliyor. Bu kadar büyük bir veri derin öğrenme yöntemi ile birleştirildiğinde hastalıkların teşhisi konusunda büyük gelişmeler kaydedilebilir.
Geliştirilen yapay zekâ uygulamasının sunabileceği bazı çözümler var. Bunlar:
1. Hasta triaji: Triaj, hastaları aciliyet durumlarına göre sınıflandırmaktır. ABD'de her yıl teşhis amacıyla 300 milyon radyolojik tetkik isteniyor. Bu sayının gittikçe artmasıyla radyologların bu tetkikleri daha etkili ve doğru değerlendirmesi zorlaşıyor. Yeni geliştirilen yapay zekâ uygulaması, gelen hastaların klinik bulgularına göre tarama yaparak önceliklerini belirleyebiliyor ve onları en uygun doktora yönlendirebiliyor. Böylece tıbbi bir görüntü milisaniyeler içinde, bir radyoloğa göre 10.000 kat daha hızlı yorumlanabiliyor.
2. Tarama programları: Günümüzde daha sık görülmeye başlanan kanser hastalığının erken teşhisi için tarama testleri yapılıyor. Geliştirilen yapay zekâ uygulaması, tarama testleri sonucu şüpheli olan vakaları tespit ediyor ve radyoloğun dikkatini oraya çekerek hasta sayısındaki yoğunluğa rağmen doktorların daha etkili çalışmasını sağlıyor. Örneğin Enlitic bir akciğer kanseri vakası için istenen bilgisayarlı tomografi görüntüsündeki kanserli olma olasılığı olan kitleleri yüksek doğrulukta tespit etmek konusunda uzman radyologlara göre %50 daha başarılı.
3. Eş zamanlı klinik destek: ABD Ulusal Sağlık Enstitüsü'nün raporlarına göre ABD’de her yıl 12 milyon hatalı teşhis vakası ile karşılaşılıyor. Hastalıkların doğru teşhisi için geliştirilecek etkili yöntemler sayesinde bu sayı hızla azaltılabilir. Geliştirilen yapay zekâ uygulaması eş zamanlı klinik destekle doktorlara zorlu vakaların yorumlanması konusunda yardımcı olabilir. Örneğin derin öğrenme teknolojisi, bir X-ray görüntüsünün sadece binde birlik kısmını kaplayan çok küçük boyutlardaki kırıkları dahi tespit edebiliyor.
Enlitic’i geliştiren araştırmacılar, radyologların yerini alacak bir teknoloji değil işlerini çok daha hızlı yapmalarını sağlayacak bir yapay zekâ teknolojisi geliştirmeye çalıştıklarını, ayrıca yeni ilaçların üretimi ve laboratuvar testlerinin geliştirilmesi gibi konularda da çalışmalarını sürdürdüklerini söylüyor.
Kaynaklar:
