04 Ağustos 2021 Çarşamba
Yapay Zekâ Gelecekte Tıbbın Ayrılmaz Parçası Olacak
İstanbul Gelişim Üniversitesi Sağlık Hizmetleri Meslek Yüksekokulu Öğr. Gör. Sibel Haklı, yapay zeka hakkında bilgi verdi.
İstanbul Gelişim Üniversitesi (İGÜ) Sağlık Hizmetleri Meslek Yüksekokulu (SHMYO) Öğr. Gör. Sibel Haklı, Yapay Zekâ terimi, 1956 yılında bu konuda düzenlenen bir konferans sırasında John McCarthy tarafından ortaya atıldığını belirterek, makinelerin insan davranışını taklit edebilme ve gerçekten düşünebilme olasılığı, insanları makinelerden ayırt etmek için Turing testini geliştiren Alan Turing tarafından daha önce gündeme getirildi. O zamandan beri, hesaplama gücü, anlık hesaplamalar ve daha önce değerlendirilen verilere göre yeni verileri gerçek zamanlı olarak değerlendirme yeteneği noktasına ulaştı. Günümüzde yapay zekâ, kişisel asistanlar (Siri, Alexa, Google asistanı vb.), otomatik toplu taşıma, havacılık ve bilgisayar oyunları gibi birçok biçimde günlük hayatımıza entegre edilmiştir. Daha yakın zamanlarda, süreçleri hızlandırarak ve daha fazla doğruluk elde ederek hasta bakımını iyileştirmek için yapay zekâ tıbba dâhil edilmeye başlandı ve genel olarak daha iyi sağlık hizmeti sunmanın yolunu açtı. Yapay zekâ, zaman verimliliğini artırmak ve aynı zamanda maliyeti düşürmek için birçok endüstride hızla benimsenen bir teknolojidir. Tıpta bu teknoloji, erken teşhis ve teşhis yoluyla daha iyi hasta bakımına, iyileştirilmiş iş akışına, böylece tıbbi hataların azaltılmasına, tıbbi maliyetlerin düşürülmesine ve ayrıca morbidite ve mortalitenin azaltılmasına dönüşür.
Tıpta yapay zekâ; sanal ve fiziksel olmak üzere iki alt tipe ayrılır. Sanal kısım, elektronik sağlık kayıt sistemleri gibi uygulamalardan tedavi kararlarında sinir ağı tabanlı rehberliğe kadar uzanır. Fiziksel kısım, ameliyatların yapılmasına yardımcı olan robotlar, engelliler için akıllı protezler ve yaşlı bakımı ile ilgilidir.
Bilgisayarlar, bir hastaya teşhis koyma sanatını akış şemaları ve veritabanı yaklaşımı tekniğiyle öğrenir. Akış şemasına dayalı yaklaşım, öykü alma sürecini, yani bir doktorun bir dizi soru sormasını ve ardından sunulan semptom kompleksini birleştirerek olası bir tanıya varmasını içerir. Bu, rutin tıbbi uygulamada karşılaşılan çok çeşitli semptomlar ve hastalık süreçleri göz önüne alındığında, büyük miktarda verinin makine tabanlı ağlarına beslenmesini gerektirir. Bu yaklaşımın sonuçları sınırlıdır, çünkü makineler sadece bir doktor tarafından hasta karşılaşması sırasında gözlemlenebilecek ipuçlarını gözlemleyemez ve toplayamaz. Veritabanı yaklaşımı, belirli semptom gruplarının veya belirli klinik/radyolojik görüntülerin neye benzediğini tanımak için tekrarlayan algoritmalar yoluyla bir bilgisayara öğretmeyi içeren derin öğrenme veya örüntü tanıma ilkesini kullanır. Bu yaklaşımın bir örneği, Google'ın 2012'de başlattığı yapay beyin projesidir. Bu sistem, 10 milyon YouTube videosuna dayanarak kedileri tanımak için kendini eğitti ve giderek daha fazla görüntü inceleyerek verimliliği artırdı. 3 günlük öğrenmeden sonra, bir kedinin görüntüsünü %75 doğrulukla tahmin edebiliyordu.
Makine öğrenimi, doktorların yerini almayı değil, tıbbi bakıma yardımcı olur veya artırır. Radyoloji taramalarının sayısı sürekli artarken, radyolog sayısı artmamaktadır. Bu alandaki yapay zekâ yardımı, daha hızlı okumalar ve 7/24 çalışma yeteneği sayesinde geçen süreyi kısaltabilir. Yapay zekâ yazılımı, onu yavaşlatabilecek veya doğruluğunu azaltabilecek yorgunluk veya diğer çevresel kesintiler gibi insan sorunları tarafından engellenmez. Yapay zekâ ile güçlendirilmiş tıbbi sistemler iş akışını iyileştirmeye hizmet etmektedir.
Yapay zekâ uygulanmasına giden yol hala uzundur ve onaylar, veri paylaşımına ilişkin etik konular ve Yapay zekâ ile ilgili halkta yanlış anlaşılmaların ele alınması da dâhil olmak üzere yol boyunca ele alınması gereken çeşitli sorunlarla doludur. Yapay zekâyı tıpta kullanma kavramı, nihai eylemin insanlardan olduğu bir karar destek sistemi olarak olmalıdır ve tedavi sürecine yardımcı olmakta, doktorların yeteneklerini artırmaktadır.
