Yapay Zeka Sağlık Sektörüne İlaç Olacak

Sağlık sektörü yapay zekayı öncelikle daha iyi tanı ve tedavi yöntemleri geliştirmek için kullanmak istiyor. Ancak yeni kullanım alanları ortaya çıkıyor ve bunlar yeni güçlükleri de beraberinde getiriyor.

Yazar: NetApp EMEA Teknoloji Başkanı Jean-Francois Marie

Bir doktor semptomları bilgisayara giriyor, IBM Watson hastalığın tanısını koyuyor ve gerekli tedaviyi gösteriyor. Bu durum, 2016’da Japonya’daki bir süper bilgisayar nadir bir lösemi türünü tespit ettiğinde yaşandı. Bu gelişme tüm dünyada manşet oldu. Watson, yapay zekayı gelişmiş analitik yazılımla birleştiriyor. Süper bilgisayar metinler, çalışmalar, veri tabanları ve hasta dosyalarını analiz etmek için arama motorlarını ve gelişmiş sistemleri kullanıyor. Diğer yapay zeka sistemleri bilgisayarlı tomografi/MR (manyetik rezonans) taramalarında tümörleri buluyor, röntgenlerde cilt kanserini ve akciğer hastalıklarını tespit ediyor. Yapay zeka tabanlı tanıların doktorların tanılarından çok daha hızlı ve isabetli olduğu tartışılıyor. Böyle bir uygulama, bir doktorun tüm kariyeri boyunca görüp görebileceğinden çok daha fazla tomografi/MR sonucunu ve diğer referans verilerini analiz edebilir.

İyimserler, tüm mevcut tıbbi bilginin her doktorun ofisine geldiği bir gelecek hayal ediyorlar. Gelecekte, aile hekimleri yapay zeka sisteminin ürettiği sonuçları ikinci bir tıbbi görüş olarak kullanacak. Ancak bu geleceği mümkün kılabilmek için, zor ve anlaşılması güç ilişki ağlarıyla yüzleşmeliyiz. Uzmanlar belirli bir kurallar bütünü ve kendi bilgi çerçeveleri dahilinde hareket eder, bu yüzden şeffaf bir şekilde çalışırlar, ancak çok sayıda X-ray görüntüsündeki örüntülerin tamamını her zaman tanıyamayabilir ve yapay zeka kadar hızlı öğrenemezler. Sinir ağlarını kullanan yapay zeka uygulamaları bu noktada pek çok avantaj sunuyor. Yapay zeka uygulamaları, günümüzün en önemli yapay zeka disiplini olan makine öğrenmenin temelini oluşturuyor. Sinir ağlarındaki bilgi işlem süreci beynin çalışmasına benzer. Nöronlar girdiler, parametreler ve çıktılar dahil olmak üzere bir fonksiyon olarak modellenir. Fotoğraflar, metinler, rakamlar, video ve ses dosyaları veri girdisi olarak kullanılabilir. Bu girdiler, örüntülerin tanınması, daha iyi sonuçlar elde edilmesi ve en nihayetinde bilinmeyen verinin değerlendirilmesi için modelin öğrenmesini sağlıyor. Bu öğrenme sürecinde, parametre öncelikleri ve dolayısıyla sistemdeki bağlantılar değişebilir, bir sonucun nasıl ortaya çıktığı doğrulanabilir olmaktan çıkabilir. Kalite güvencesi sürdüğü müddetçe bu durumun olumsuz bir etkisi olmayacaktır; şu ana dek herhangi bir bağlayıcı kural da konmamıştır.

Bilgiye Açlık ve Bazı Tuhaflıklar

Sağlık sektöründeki şirketler yapay zekayla ilgili ilk deneyimlerini bu çerçevede yaşıyorlar. Veri yönetim uzmanı NetApp, Ağustos 2018’deki bir araştırması için katılımcıları bu kriterlere ve 500 ve üzeri çalışana sahip şirket büyüklüğünü baz alarak seçti. Aralarında, sağlık, otomotiv, finans ve üretim sektörlerinden veri yöneticileri, birim müdürleri ve proje yöneticilerinin yer aldığı 120 üst düzey yönetici araştırmaya katıldı. Araştırma, sağlık sektöründeki mevcut yapay zeka uygulamaları hakkında önemli bilgiler ortaya koyarken, sağlık sektörü ve diğer üç sektör arasındaki farklılıklara da ışık tutuyor. Bu sayede, yapay zeka projelerini gecikmeye ya da sekteye uğratan veri koruma anlayışının tespit edilmesimümkün oluyor. Araştırmaya katılan sağlık sektöründe faaliyet gösteren şirketler tam olarak bu sorunla boğuşuyor. Sektörel bir karşılaştırma yapıldığında, sağlık sektörü hasta verilerini yönetmek durumunda olmasına karşın, yapay zekaya en az şüphe duyan sektör olurken, üretim sektörü yüzde 67 ile bu konuya en yüksek oranda şüpheyle yaklaşıyor.

Yapay zeka projelerinin değerlendirilmesi konusunda, yüzde 37’si bu aşamada olan şirketlerle sağlık sektörü öne çıkıyor. Ancak, sağlık sektöründeki şirketlerin planlama, test ve uygulama anlamında diğer sektörlerin gerisinde kaldığı görülüyor. Projelerin hayata geçirilmesi oranının finansal hizmetler sektöründe yüzde 23 olduğu görülüyor. Otomotiv sektörü ise temsilcilerinin yüzde 43’ünün ürün araştırma ve geliştirme süreçlerinde yapay zekayı yoğun olarak kullandıkları görüşünde birleşiyor.

Araştırma, sağlık sektörünü özellikle ilgilendiren bulgular da ortaya koyuyor. Pek çok örnekte, yönetici projenin seyrine karar veriyor, fakat aynı zamanda yapay zeka kurulumunun amacının farkında olmuyor. Bu görüş araştırmaya katılanların yüzde 37’si tarafından öne sürüldü. Günümüzde sağlık sektöründeki şirketleri öncelikli olarak yapay zeka sayesinde daha iyi tanı koyabilmeyi amaçlıyor, uygulama verileri de bunu gösteriyor: Salgınların/hastalıkların erken teşhisinin (yüzde 63), tıbbi cihazların bakımın öngörülmesi (yüzde 60) ve hastaların bakımının robotlar tarafından karşılanmasının (yüzde 40) önünde olduğu görülüyor.

Tedaviye Yönelik Bulgular ve Öneriler

Yapay zekanın tıptaki kullanımına dair bu bakış açısı bizi şu sonuçlara götürüyor: Gelecekte, yapay zeka teknolojisi tanı ve tedavilerin iyileştirilmesindeki potansiyelini daha güçlü bir şekilde ortaya koyacak ve diğer alanlarda da teknolojinin kullanımını daha ileriye taşıyacak. Bu bakımdan, yapay zeka projelerine yönelik sorumluluğun paylaşılması ve tüm hiyerarşik düzen içinde yapay zeka yetkinliğinin güçlendirilmesi gerekiyor. Böylelikle, yönetim tarafı ile çalışanlar arasındaki mevcut ve gelecekte oluşabilecek yanlış anlaşılmaların ortadan kalkmasına yardım edebilir. Ancak bu süreçte sorumluluğu olanların kalite güvence konusuna sürekli olarak dikkat etmeleri gerekiyor.

Hasta doktoruna güvendiğinde doktor da sonuçları her zaman teyit edilebilir nitelikte olmayan yapay zekaya güvenebilmesi gerekiyor. Bu bir çatışma potansiyeli yaratıyor. Bir yaklaşım da, sinir ağlarını kullanan onaylı bir medikal cihazı özgün haline bırakmak olabilir. Aksi takdirde, yapay zeka sisteminin görüntü tanımlamayı iyileştirip iyileştirmediği tıbbi personelin becerilerine bağlı olacaktır. Eğer bir doktor yapay zekaya güvenirse, teknoloji tomografi, emar veya ekografi sonuçlarını daha hızlı ve daha isabetli bir şekilde yorumlayacak, bu da bizi daha iyi tanı ve tedaviye ulaştıracaktır. Çok belirgin olmayan bir tıbbi durumda ikinci bir uzman görüşü alınmasını gerektirmeyeceğinden bu karar verme süreci önemli ölçüde kısalacak. Doktorlar da hastalarıyla daha çok zaman geçirebilecek. Doktor yetersizliği olan kırsal bölgelerde ya da uzmanların bekleme süreleri söz konusu olduğunda mutlaka çözülmesi gereken güvenlik ve kalite güvence sorunu çözüldüğünde verimlilik önemli ölçüde artacaktır. Ancak, halen sürdürülmesi gereken etik tartışma konusunda eleştiri getirenlere yapay zekanın en nihayetinde bir asistan doktor olabileceği, sorumluluğun her durumda uzman personelde olacağına dair güvence verilmelidir.