Doktorlarımıza çok güveniyoruz: teşhislerini dinliyor, reçetelerini alıyor, diyet önerilerini takip ediyoruz. Aynısını bir bilgisayar için de yapar mıyız?

Çeviren: Elif Akçay

Morgan Stanley’e göre, 2019’da 1.3 milyar dolar olan sağlık alanındaki küresel yapay zekâ (AI) piyasasının 2024’te 10 milyar dolara çıkması bekleniyor.

Derin öğrenme, beynin sinir ağları üzerinde modellenen bir YZ yaklaşımıdır. Karmaşık bilgi katmanlarını analiz edebilir ve tıbbi görüntülerde görülen anormallikleri veya eğilimleri tespit edebilir.

Yapay Zeka ve Gözler

Moorfields Göz Hastanesinde göz doktoru olan Pearse Keane, beş yıl önce derin öğrenme potansiyelini benimsedi.

Algoritma, glokom gibi hastalıkları basit bir tarama ile tespit edebilir.

CNN Business’a yaptığı açıklamada, “Görmemiz gereken hasta sayısında boğuluyoruz ve bu nedenle, yeterince hızlı görülüp tedavi edilemedikleri için geri dönüşsüz bir şekilde görme kaybına uğrayan bazı insanlar var” dedi.

 

Teknolojiyi OCT (Optical Coherence Tomography) taramalarına uygulayarak görme tehdit edici hastalıkları olan hastalara öncelik vermede yardımcı olacağını düşündü.

Keane, Google’ın (GOOGL) sahibi olduğu İngiltere merkezli YZ araştırma merkezi olan DeepMind’e yaklaştı ve onlarla 14,884 retina taramasında eğitilen ve yaklaşık 30 saniye içinde ayrıntılı bir teşhis getirebilecek bir algoritma geliştirdi. Bu algoritma glokom, diyabetik retinopati ve yaşa bağlı makula dejenerasyonu dâhil olmak üzere 50 farklı göz hastalığını tespit edebilir, bir skor sağlayabilir ve hastaların acilen bakım için nasıl yönlendirilmeleri gerektiğini önerebilir.

Nature Medicine dergisinde yayınlanan sistemin erken sonuçları, göz hastalıkları tiplerini doğru bir şekilde belirleyerek, zamanın% 94.5’ini doğru şekilde kullanan lider uzmanlarla aynı doğruluk seviyesine sahip olduğunu gösterdi. Bununla birlikte, teknik Moorfields Göz Hastanesinde uygulanmadan önce ve sonrasında, uzun bir yasal onay sürecinden ve klinik çalışmalardan geçmelidir. “YZ konusunda çok heyecanlıyız” diyor Keane, “ama aynı zamanda temkinliyiz. Muazzam bir potansiyele sahip olduğunu biliyoruz, ancak işe yaramayabileceği bazı yollar var.”

Tüp Bebek İyileştirme

Weill Cornell Medicine’daki bilim adamları, tüp bebek (IVF) sırasında hangi embriyoların sağlıklı bir hamilelik kazanma şansının en yüksek olduğunu belirtirken zaman da kazandıran bir cihaz olarak derin öğrenme algoritmaları kullanıyorlar.

Bu teknoloji IVF’nin başarı oranını arttırmaya yardımcı olabilir.

Stork adlı algoritma, erken dönem embriyoların zaman atlamalı görüntülerini analiz edip zayıf ve iyi embriyo kalitesi arasında ayrım yapabilir. NPJ Digital Medicine’de yayınlanan araştırma makalesine göre, doğruluk payı % 97.

Genellikle bu, bir embriyoloğun birden fazla görüntüye göre sıraladığı ve hangisinin ilk önce hangilerine implante edileceğine karar vermelerine yardımcı olan kalite puanı atayan manuel bir süreç. Weill Cornell Medicine’daki Üreme Tıbbı Merkezi’ndeki bir embriyolog olan Nikica Zaninoviç CNN Business’a “Embriyonun bir insan tarafından derecelendirilmesi çok öznel” dedi. “Embriyoları derecelendirmek için YZ kullanmak, bazı standartlaştırmalar yapabildiğimiz anlamına gelir.”

Bu araç aynı zamanda bir bütün olarak tüp bebek süreci üzerinde olumlu bir etkiye sahip olacaktır. Weill Cornell Medicine’daki Üreme Tıbbı Merkezi direktörü Zev Rosenwaks, algoritmanın başarı oranını artırıp çoğul gebelik riskini en aza indirebileceğine ve prosedürün maliyetini düşürmeye yardımcı olabileceğine inanıyor. Şu anda, araç sadece deneysel bir ortamda Weill Cornell Medicine embriyologları için kullanılabilir halde. Zaninoviç, gelecek bir ya da iki yıl içinde daha geniş bir uygulamada olmasını beklediklerini dile getirdi.

Kanser Riskini Tahmin Etmek

MIT Bilgisayar Bilimi ve YZ laboratuvarı tarafından başlatılan bir girişim ile hastada gelecekte meme kanseri gelişmesinin muhtemel olup olmadığını mamogramdan tahmin edebilir.

MIT araştırmacıları tarafından geliştirilen algoritma, bir kadının meme kanseri riskini tanımlayabilir ve erken yakalamaya yardımcı olabilir.

60,000 kadında yapılan meme taraması üzerine eğitilmiş olan model, meme dokusunda kansere öncülük eden ve insan gözünün tespit edemeyeceği kadar ince olan dokuları öğrendi. Geleneksel modellerde % 18 ile karşılaştırıldığında tüm kanser hastalarının % 31’ini en yüksek risk kategorisine sokarak mevcut yaklaşımları geride bıraktı.

MIT profesörü ve Radyoloji projesinde yayınlanan çalışmanın kıdemli yazarı Regina Barzilay, “Gelecekteki kanser riskinizi tanımlayabilecek bir model oluşturmakla ilgileniyordum” diyor. Meme kanseri kurtulan biri olarak daha sonra teknolojiyi kendi mamogramlarına uyguladı. “Teşhis edilmeden iki yıl önce kanserimin memede olduğunu keşfettim” diyor. O sırada 43 yaşında ve ailede meme kanseri öyküsü bulunmadığı için kendisini asla risk altında saymamıştı. Ancak bunun gibi kuralların güvenilmez olduğunu, Tıp Genetiği Dergisi’nden bir araştırmaya göre, meme kanseri vakalarının sadece % 15 ila % 20’sinin ailesel olduğunu söylüyor.

YZ kullanmak risk altındaki kadınları tanımlayıp önleyici adımlar atmalarına yardımcı olabilir. Barzilay, “Erken evrelerde kanser tedavi edilebilir bir hastalıktır. Hastalıklarını yeterince erken tanımlayabilir ya da en erken evrelerde tedavi edebilirsek, bu büyük bir fark yaratacaktır” diyor. Barzilay, modelin Massachusetts General Hospital’da hayata geçirildiğini, ülke genelindeki ve uluslararası çaptaki diğer hastanelerle görüşmelerde bulunduğunu da ekliyor.

Kaynak: https://edition.cnn.com/2019/07/15/business