Yapay Zekâ ve Tıp

Yapay Zekâ günümüzde birçok alanda olduğu gibi sağlık sektöründe de yaygın olarak kullanılmakta ve yaygınlaşmaktadır. Yapay Zekâ’nın tıp alanında yaygınlaşmasından endişe edilmeli midir? Yoksa hekimlik sanatını daha da önemli hale mi getirecektir? Bu sorulara cevap arayanlar için tıpta Yapay Zekâ’ya kısa bir bakış.

Yapay Zekâ (İng. Artificial Intelligence-AI) yeni bir terim gibi algılansa da, 1956 yılında akıllı makineler üretme ve bilim mühendisliği olarak tanımlanmıştır. Günümüzde, içinde insan faktörünün minimum düzeyde bulunduğu, bilgisayarların kendisine öğretilen akıllı davranışı modellemeleri ile çalışan bu sistem, baş döndürücü bir hızla ilerlemektedir.¹

Tıp alanında sanal ve fiziksel olmak üzere iki yapay zekâ modeli kullanılmaktadır.^1,2 Sanal yapay zekâ, elektronik sağlık kayıt sistemleri gibi uygulamalardan derin öğrenme (İng. Deep Learning-DL) analizi ile hekimlerin tedavi kararlarına destek vermektedir.^1,2 Fiziksel yapay zekâ ise, robotik cerrahiler gibi fiziksel yaklaşımları içermektedir. Ameliyatlarda kullanılan robotlar fiziksel yapay zekâya iyi birer örnektir. Yakın gelecekte ise hedef dokuya nanorobotlar ile ilaç ulaştıran fiziksel yapay zekâ sistemlerinin tıp alanına önemli kazanımlar getirmesi beklenmektedir.¹

Yapay zekânın sağlığa katkılarından biri de hastaya teşhis koyabilme sanatıdır.² Yapay zekâ bunu akış şemasına dayalı yaklaşım ve veri tabanı yaklaşımı ile gerçekleştirmektedir.²

Akış şemasına dayalı yaklaşım, hekimin hastadan aldığı bilgileri hastalık belirtileriyle birleştirerek teşhiste bulunmasıdır. Bu yaklaşım, hasta verisinin öğrenme ağlarını devamlı beslemesini gerektirmektedir. Çünkü sistem, hastadan elde edilen ipuçlarının tümünü gözlemleyemez ve toplayamaz.²

Akış şemasına dayalı sistemde şimdilik sınırlı bir fayda sağlanabilse de randevuların çevrimiçi planlanması, tıbbi kayıtların dijitalleştirilmesi, randevuların hatırlatılması, çoklu ilaç reçetelerindeki doz algoritmaları, ilaçların yan etkileriyle ilgili uyarılar, çocuklar ve hamilelerin aşı tarihleri gibi birçok alanda kullanılmaktadır.² Hatta akıllı saatler, giyilebilir teknolojiler ve diğer sağlık izleyicilerinin akış şeması yaklaşımları ile kalp atış hızı, fiziksel aktivite, uyku seviyeleri kolaylıkla izlenerek, herhangi bir olumsuzlukta kullanıcının uyarılarak, hekimin daha detaylı şekilde bilgilendirilmesi sağlanabilmektedir.²

Veri tabanı yaklaşımında ise yapay zekânın belirli hastalık gruplarının ya da klinik/radyolojik görüntülerin hangi hastalıklarla eşleştiğini tanıyabilmesi için kendi kendine öğrenebilme (derin öğrenme) ilkesi kullanılmaktadır.²

Yapay zekâ sistemlerinin sağlık sisteminde daha güçlü bir şekilde konumlanabilmesi için aşağıdaki konularda da geliştirilmesi gerekmektedir:

• Yapay zekâ kendi kendine öğrenebilmeli ve gerçek zamanlı optimal kararlar alabilmelidir.¹
• Yapay zekânın kararları, açıklanabilirlik ve nedensellik ilkelerine uygun olmalıdır. Hekim, yapay zekânın ilgili sonuca varma nedenini anlayabilmelidir ve bu sonuç kendisine anlaşılır formatta açıklanabilmelidir.³
• Yapay zekânın kullanıldığı alanlarda yasal prosedürlerde netlik olmalıdır.⁴

Sonuç olarak, yapay zekâ hekimleri yaptıkları işlerde oldukça destekleyen bir sistemdir ancak hekimlerin yerini alabilmesi mümkün değildir.⁴ Yapay zekânın hekimlerin mesleklerine ne yönde olumlu katkı sağlayacağı 2016 yılında yapılan bir araştırmanın sonuçlarında net olarak gözlenmektedir.² Buna göre, hekimlerin gün içinde elektronik sistemler için ayırdıkları zaman, hasta ile geçirdikleri yüzyüze zaman da dahil olmak üzere tüm çalışma zamanlarının neredeyse yarısını kapsamaktadır. ²

Dolayısıyla, yapay zekâ ile hekimlerin elektronik sistemlerdeki yüklerinin azaltılmasının yanında, üretkenliklerinin, hastalarına ayırdıkları zamanın ve etkinliklerinin artırılması da hedeflenmektedir.²

Bu önemli avantaj ile gelecekte otomasyon, yapay zeka ve sağlık çalışanları arasında yararlı ve hassas bir denge kurularak sağlık çalışanlarına sağlanan destek olanaklarının arttırılması hedeflenmektedir.²

1. Hamet, Pavel, and Johanne Tremblay. “Artificial intelligence in medicine.” Metabolism: clinical and experimental vol. 69S (2017): S36-S40. doi:10.1016/j.metabol.2017.01.011
2. Amisha et al. “Overview of artificial intelligence in medicine.” Journal of family medicine and primary care vol. 8,7 (2019): 2328-2331. doi:10.4103/jfmpc.jfmpc_440_19
3. Holzinger, Andreas et al. “Causability and explainability of artificial intelligence in medicine.” Wiley interdisciplinary reviews. Data mining and knowledge discovery vol. 9,4 (2019): e1312. doi:10.1002/widm.1312
4. Buch, Varun H et al. “Artificial intelligence in medicine: current trends and future possibilities.” The British journal of general practice : the journal of the Royal College of General Practitioners vol. 68,668 (2018): 143-144. doi:10.3399/bjgp18X695213