Tanı Teknolojilerinde Yapay Zeka Uygulamaları

Büyük verinin anlamlandırılması yoluyla gelişen yapay zekâya dayalı çözümler tedavi kararlarının belirlenmesinde ve kişiye özgü tedavi planlamasında hızla uygulamalara girmektedir.

Dr. Sevgi Salman Ünver

01/12/2019

   Tıbbi Tanı (IVD) laboratuvarları biyolojik verinin oluştuğu, kaydedildiği ve işlendiği merkezler olarak yapay zekâ uygulamalarının temelini oluşturur. Elde edilen bu biyolojik bilgiler büyük veri havuzunda makina öğrenmesi yolu ise yeni tanı yöntemlerinin oluşturulması, daha kesin sonuç için optimize edilmesi için kaynak teşkil eder.

Her ne kadar teknolojik gelişmeler ile hasta güvenliği, sonuç güvenilirliği ve kesinliği konusunda geliştirmelere ihtiyaç duyulsa da gelecekte tanı ve tedavi uygulamaları konusunda insan gücü ihtiyacını azaltacağı düşünülen yapay zekâ uygulamaları bu alanda çalışan herkesi yakından ilgilendiren bir konudur. Yapılan bir çalışmada katılımcıların %87’si laboratuvarda yapay zekâ uygulamalarının özellikle insan gücü ve maliyetini azaltacağı için tercih edileceğini belirtmiştir. (Iqvia, RtificialIntelligence(AI)AwarenessandExpectations in theU.S. Laboratory Environment, 2019).

Yine aynı araştırmada eğer yapay zekâ uygulamaları tanı testlerinin maliyetini arttıracak olur ise bu durumda da; bu pazarın büyümesinde engel oluşturabilir. Öte yandan tanı kalitesi ve potansiyel makina hatasına bağlı yanlış tanı yapay zekâ uygulamalarından uzaklaşılmasına neden olur. Bunlarla beraber teknolojiye uyum ve teknolojiyi öğrenmenin yaratacağı sıkıntılar bu alanda zorluk oluşturabilir. Tabi ki, sağlık alanında sıkı bir şekilde uygulanan regülasyonların yapay zekâ ile ilgili olarak oluşturulması, standartların uygulanması, sertifikasyon ve benzeri konuların otoriteler nezninde net olarak ortaya konulması bu alandaki önemli konulardır.

Sağlık çalışanlarının yapay zekânın laboratuvar uygulamalarına girmesi ile ilgili yaklaşımı da yine dikkat çekicidir. Aynı araştırmada sağlık çalışanlarının %50’si yapay zekâ uygulamalarının operasyonel fayda açısında çok önemli olacağını ortaya koymuştur. Bu operasyonel faydaları laboratuvar uygulaması için düşünüldüğünde; daha hızlı test sonucu, tekrarlı yapılan işlerin otomasyonu, test uygulamasının standardizasyonu olarak sıralayabiliriz. Bunların yanı sıra klinik olarak teşhis ve tedavi kararı konusunda da hekime standartlaşmış yönlendirme yapması açısında da yapay zeka uygulamaları dikkat çekici olmaktadır.

Her ne kadar hızla ve her gün değişen çeşitleri ile yapay zekâ uygulamaları laboratuvarlara girse de hiç kimse tanı uygulamaları ile laboratuvarlarda kökten bir değişim beklenmemektedir. Sağlık çalışanları, hekimler, IVD üreticileri ve tedarik firmaları yine bu alandaki aktörler olarak devam etmektedir. Yeni aktörler olarak yapay zekayı sistemlere entegre eden firmalar ve teknik eğitimini veren kişiler eklenecek gibi görünüyor.

Laboratuvarların daha çok beklentisi laboratuvar firmalarının yeni sistemlere adapte olmuş, yapay zekâ donanımlı çözümleri ile kendilerini güncellemeleri, eğitim ve diğer teknik konuların “yeni nesil IVD üreticileri/tedarikçileri” tarafından sunulması şeklindedir.

Laboratuvar çalışanları için ise yapay zekâ uygulamaları yine yenilenme ve adaptasyon gerektirmektedir. Daha fazla teknolojik altyapıyı anlayan, öğrenen ve uygulayan olmak gerekmektedir.  Sonuç olarak son dönemde gelişen biyoinformatik alanı laboratuvar çalışanlarının hayatına daha çok girecektir. Hekim ve diğer sağlık çalışanları için ise yapay zekâ uygulamaları tanı sonucunun anlamlandırılması ve tedavi algoritmasının oluşturulması için önemli olacaktır. Bu aşamada hekim özellikle yapay zekâ ile oluşan algoritmayı hastanın fiziksel bulguları ile etkin bir şekilde harmanlamayı öğrenecek ve daha etkin sonuçlar için yönetim geliştirecektir.

Yapay zekânın laboratuvar uygulamaları gelişmiş hasta ve hastalık yönetimi, hastalık önlenmesi, etkin hastalık korunması ve kişiye özgü tedavi planlamasında çığır açabilecek potansiyele sahiptir.