Yapay zekâ genellikle akıl yürütme, derin öğrenme, adaptasyon, etkileşim ve duygusal anlama gibi insan zekâsıyla desteklenen süreçleri taklit eden veya simüle eden hesaplama teknolojilerini ifade eder. Geniş, dinamik ve hızla büyüyen yetenekleri göz önüne alındığında, doktorların bilgisayar destekli programlar kullanarak teşhislerini iyileştirmek için ilk girişimlerde bulundukları 1950’li yıllardan bu yana, tıp alanında yapay zekâ uygulamaları her geçen daha da gelişiyor.Tıbbi yapay zekâ uygulamalarına yönelik ilgi ve bu alandaki ilerlemeler, modern bilgisayarların önemli ölçüde artan bilgi işlem gücü ve toplanmaya ve kullanıma hazır olan büyük miktardaki dijital veri sayesinde son yıllarda iyice arttı. Yapay zekâ uygulamaları, gelişmiş algoritmaları ve derin öğrenme kapasitesiyle genel olarak doktorlara ve tıp uzmanlarına sağlık bilgi sistemleri, sağlık verilerinin coğrafi kodlanması, salgın ve sendromik gözetim, tahmine dayalı modelleme ve karar desteği ve tıbbi görüntüleme alanlarında yardımcı oluyor.Bir yapay zekâ sistemi, sağlık profesyonellerinin dergi, ders kitabı, klinik uygulama ve hastalar da dahil olmak üzere çeşitli kaynaklardan gelen tıbbi bilgilere sürekli ve gerçek zamanlı erişimini sağlayarak en güncel hasta bakımı, riski uyarısı ve sağlık için uygun sonuç tahmini çıkarımlarını mümkün kılabilir.Tıpta yapay zekâyla ilgili ilk bilimsel makaleler 1963’te Scopus veri tabanında, 1977’de Web of Science veri tabanında yayınlandı. Yıllar içinde farklı alanlarda yayınlar yapılmaya devam etti. Bu alanda çalışma yapan ilk 20 ülke arasında Türkiye’de yer alıyor. 2003’ten sonra yapılan araştırmalardaysa ciddi bir artış görülüyor. Bu kırılmanın sebebi, bilgi işlem gücünün ve veri depolama kapasitesinin artışı olarak açıklanabilir.Yapay zekânın sağlık alanındaki kullanım amaçlarından biri de kronik hastalık riskini öngörmek. Bu amaçla ilk olarak diyabet, kalp yetmezliği, koroner kalp gibi hastalıklar üzerine çalışmalar yapıldı. Madde bağımlılığı, tüberküloz, doğuştan anomaliler, siroz, kronik obstrüktif pulmoner hastalık, işitme, sırt ağrısı, baş ağrıları, ishal gibi tıbbi durumlar yapay zekâ uygulamalarının araştırmalarda kullanıldığı diğer alanlar. 2010’dan sonraysa kanser, kalp hastalıkları, inme, Alzheimer, depresyon, diyabet, solunum, travma, astım gibi kronik sağlık sorunları başta olmak üzere tüm alanlarda yapay zekâyla ilgili çalışmalar arttı.Yapay zekânın teşhis koymak için geliştirilmesinden sonra bir diğer kullanım alanıysa geniş ve açık şekilde sınıflandırılmış (kodlanmış) bir veritabanı oluşturmaktır. Ölçülen değerlerin standart olması ve veri alınan hastaya konulan teşhisin doğru olması gerekir. Bir sonraki aşama makine öğrenmesi kullanılarak özellik belirlemektir. Alanında deneyimli bir grupla risk faktörlerinin tekrar ayıklanması gerekir. Klinik uygulamada kullanım kolaylığı sağlayacak özelliklerin seçilmesi önemlidir. Maliyetleri düşürebilirDaha sonra farklı makine öğrenmesi tekniklerini kullanarak özellik seçilir. Ortak özelliklerden en azını seçerek tekrar tekrar eğitimi gerçekleştirmek gerekir. Burada amaç maliyet sürecini optimize etmektir. Son aşama, seçilen öngörme modelinin klinik alanda doğrulanmasıdır. Birkaç test grubunda modelin klinik ortamda doğruluğu test edilmelidir. Özellikle de check-up gibi koruyucu hekimlik bağlamında, alınacak sağlık hizmetlerinin zaman ve parasal maliyetinin azaltılması ve kişisel, kurumsal, toplumsal yaşam kalitesine katkıda bulunması önemlidir. Örneğin sağlık harcamaları minimuma çekilirken sağlık hizmet standardının makul seviyede korunması gerekir. Healthcare Delivery dediğimiz sağlık hizmetlerinin insanlara erişiminde performansın iyileştirilmesi, zamanın daha etkili kullanımı, iş akışının hızlanması ve işin her bölümündeki maliyetlerin müşterinin ödeyeceği son bedeli müşteri lehine ucuzlatılması, yapay zekâ uygulamalarının temelini oluşturur. Yapay zekâ uygulamaları sağlık hizmet sunumunda hekimin yerini almayacak, hekime hastaya sunacağı sağlık hizmeti alanında karar vermede daha yüksek olasılıklı yolları bulmasında yardımcı olacak.Sağlık hizmetiyle iş dünyası çalışanları arasındaki etkileşim iki yönden düşünülmeli. İlk olarak şirketlerin sağlık sorunları sebebiyle kaybolan işgücünün yarattığı eksikliğe bağlı maddi kayıplar. İkincisiyse bireyin, sağlık hizmeti almayı planladığı ilk andan hizmetin sonuçlanmasına kadar geçen süreçte katlanması gereken maliyetler. Bu maliyetler, sağlık hizmetinin parasal karşılığı olmakla kalmaz. Süreç içinde karşılaşılacak her türlü etkileşime bağlı ve hizmeti alırken kaçırılacak muhtemel kazançların elde edilememesinin genel toplamıdır. Hızlı, etkili, doğruya en yakın tanı ve önerilecek sağlık hizmeti toplam kazanımı artırırken bireyin minimum kaybı yaşamasını sağlar. Sağlık hizmeti sunumu, maliyet, hız, doğru karar ve yönetim gerektirir. Yapay zekâ uygulamaları artan talebin sınırlı imkânlarla, mevcut insan gücüyle en az maliyetle karşılanması açısından gelecekte daha da önem kazanacaktır. Makine öğrenmesiyle hızlandırılmış karar ve yönlendirmeler sayesinde bireysel ve toplum özelinde maliyetler düşecek, ilave zaman ve işgücü de ekonomiye artı değer katacaktır. Ezcümle yapay zekânın sağlık alanında kullanılmaya başlaması ve her geçen gün yaygınlaşması bu alanda yapılan yatırımların yıllar içinde artmasını da beraberinde getirdi.Yapay Zekânın Sağlık Alanında Kullanımının Önündeki EngellerÜlkemizde sağlık politikaları çerçevesinde kişisel bilgilerin kullanılması için bireylerin izin verme zorunluluğu bulunuyor. Mevcut düzenleme ve uygulamalar çerçevesinde kişilere bireyselleştirilmiş sağlık hizmeti sunulması mümkün değil. Her bireyin gereksinimi olan sağlık tarama ve incelemelerinin, kişinin bireysel ve ailesel tıbbi geçmişine göre değişebileceği unutulmamalı. Aile hekimliği hizmeti bireylerin kişisel gereksinimlerini en yakından ve bütünsel olarak takip eden uygulama olması nedeniyle önemli. Fakat bu sistemle ne yoğunluk ne de kaynak israfının önüne geçilebiliyor.Peki ideal senaryoda süreç nasıl işler? Başta da anlattığımız gibi, yapay zekâ uygulamaları mevcut veriden mükemmele en yakın çıkarımı yaparken en az kaynağı kullanmayı hedefler. Mesela koruyucu hekimlikte süreç, bireye ait tıbbi bilgilerin hedef veritabanına çekilmesiyle başlar. Burada doğru sonuçların ancak doğru bilgiyle elde edileceğini unutmamak lazım. Bireylerin tüm sağlık verileri de kurulacak veritabanına eklenir. Böylece sistem, eksik verileri tespit ederek kişiye uygun randevu ve hatırlatma işlemlerini organize eder. Yapay zekâ platformları kurulurken bilgisayar ve matematik mühendisleri, istatistikçiler ve katkı sağlayacak diğer iş kolları dahil edilmeli. Önemli olan ilk başta bahsettiğimiz makine öğrenmesi yöntemlerinin hangi veri ve hedeflerle kurgulanacağıdır. Sağlık alanındaki mevcut yapay zekâ uygulamaları kurumsal veya klinik bazlı verilerin analizi ve farklı makine öğrenmesi yöntemleriyle, tanı doğruluğunu halihazırda kullanılan algoritmalardan daha yukarıya çıkarmaya yöneliktir. Dahil olan kurum sayısı arttıkça verilerin standardize edildikten sonraki doğruluk oranları da yükselir.Sağlık hizmetlerini kişiselleştirecekSağlık hizmetlerinin bireyselleştirilmesi kişiye özgü değişkenler ışığında koruyucu sağlık hizmetlerinin verilmesi anlamına geliyor. Bireylerin yaşına göre önerilen tarama yöntemleri mevcut rehberler doğrultusunda belirlenir. Bireyselleştirilmiş sağlık, kişinin yaşından bağımsız olarak tıbbi, cerrahi öyküsü yanında ailesel bazı risk faktörlerinin varlığına göre planlanacak öneri süreçlerini içerir. Örneğin 40 yaş üzeri her kadın için iki yılda bir mamografi, temel kan biyokimya analizleri ve üç yılda bir pap smear örneklemesi standart istenilen tetkiklerdir. Bu tetkikler, yapay zekâyla sonuçlandırılır ve ardından teletıp veya nesnelerin interneti (IoT) yoluyla hastayla paylaşılır. Sonraki randevu ve inceleme tarihleri de IoT yardımıyla oluşturulup bireyin takvimine işlenir. Sonraki tahlillerin önceki değerlerle karşılaştırılması da yapay zekâ uygulamalarıyla kolaylaşır. Bu şekilde temel tıp hizmetleri standardize edilir. Teknolojinin yetenek sınırlarını ölçmek ve tanımlamak için geliştirilen yapay zekâ sistemlerinin, insan klinisyenlere karşı kapsamlı testleri de tamamlanmalı. Son olarak, yapay zekânın tıpta kullanılması için sosyal, hukuki ve etik çıkarımlarının iyi bir şekilde belirlenmesi gerekir.Köşe yazarları tarafından burada paylaşılan görüşler, incturkiye.com’a değil, yazara aittir.Çok daha fazlası için Inc. Türkiye bültenlerine kaydolun.