Yapay zeka, son yıllarda çeşitli alanlarda kullanılmaya başlanan bir teknoloji olarak karşımıza çıkmaktadır. Sağlık alanında da yapay zeka, çeşitli uygulama alanlarında kullanılmakta ve birçok önemli çalışma gerçekleştirilmektedir. Bu blog yazısında, sağlıkta yapay zekanın uygulama alanları ve örnek çalışmaları hakkında bilgi verilecektir. Öncelikle, yapay zekanın sağlık alanındaki genel kullanım alanlarına bakacağız. Daha sonra, yapay zekanın sağlık alanındaki uygulama alanlarına odaklanarak, bu alanlarda gerçekleştirilen örnek çalışmaları inceleyeceğiz.
Bu yazı, yapay zeka kullanımının sağlık alanındaki önemini ve gelecekte sağlık alanında yapay zekanın daha fazla kullanılmasının beklentilerini anlatmayı amaçlamaktadır.
Sağlıkta Yapay Zeka uygulama alanları
Tanımlama: Yapay zeka sistemleri, tarama görüntüleri ve diğer tıbbi verileri inceleyerek, hastalık belirtilerini tespit edebilir. Bu sayede, doktorlar hastalığın erken evrelerinde tanımlayarak, tedavi sürecini daha etkili bir şekilde yönetebilir. Yapay zeka sistemleri, konvülüsyonel sinir ağları (Convolutional Neural Networks – CNN) gibi öğrenme algoritmalarını kullanarak, görüntülerdeki belirtileri tanımlayabilir.
Hasta bakımı: Yapay zeka sistemleri, hastaların bakımı sürecinde de kullanılabilir. Örneğin, bir hastanın vücut sıcaklığını ve nabız atışını izleyerek, doktorların hastanın durumunu daha kolay takip etmesine yardımcı olabilir. Yapay zeka sistemleri, bu tür verileri toplayarak, doktorların hastaların durumlarını daha iyi anlamalarına yardımcı olabilir.
İlaç önerme: Yapay zeka sistemleri, bir hastanın tedavisinde kullanılabilecek ilaçları önerebilir. Örneğin, bir doktorun bir hastaya verdiği ilaçları inceleyerek, en uygun ilaç seçeneğini önerebilir. Bu sayede, doktorlar hastanın tedavisinde en etkili ilaçları seçebilir. Yapay zeka sistemleri, ilaçların etkilerini ve yan etkilerini inceleyerek, en uygun ilaç seçeneklerini önerebilir.
Cerrahi planlama: Yapay zeka sistemleri, cerrahi müdahalelerin planlanmasında da kullanılabilir. Örneğin, bir cerrahın ameliyat sırasında kullanacağı aletleri seçerken, yapay zeka sistemi en uygun alet seçeneklerini önerebilir. Bu sayede, cerrahi müdahaleler daha etkili ve verimli bir şekilde gerçekleştirilebilir. Yapay zeka sistemleri, cerrahi müdahalelerin planlanmasında kullanılabilecek bilgileri toplayarak, cerrahların en uygun seçenekleri belirlemesine yardımcı olabilir.
Tıbbi veri analizi: Yapay zeka sistemleri, sağlık alanında kullanılırken, tıbbi verilerin analiz edilmesinde de kullanılabilir. Örneğin, bir hastanın tıbbi geçmişi ve bulguları incelenerek, hastanın durumunun daha iyi anlaşılmasına yardımcı olabilir. Bu sayede, doktorlar hastalık sürecini daha iyi takip edebilir ve gerektiğinde tedavi seçeneklerini değiştirebilir. Yapay zeka sistemleri, veri madenciliği ve veri analizi algoritmalarını kullanarak, tıbbi verileri analiz edebilir.
Hastalık takibi: Yapay zeka sistemleri, sağlık alanında kullanılırken, bir hastanın hastalık sürecini takip edebilir. Örneğin, bir doktorun hastanın tedavi sürecini izleyerek, tedavinin etkinliğini değerlendirebilir. Bu sayede, doktorlar tedavi sürecini daha iyi yönetebilir ve hastalık sürecini daha iyi takip edebilir. Yapay zeka sistemleri, hastalık takibi için kullanılabilecek verileri toplayarak, doktorların hastalık sürecini daha iyi anlamalarına yardımcı olabilir.
Tedavi seçeneklerinin değerlendirilmesi: Yapay zeka sistemleri, sağlık alanında kullanılırken, bir hastanın tedavi seçeneklerini değerlendirmeyi de sağlayabilir. Örneğin, bir doktorun bir hastaya verdiği tedavi seçeneklerini inceleyerek, en etkili tedavi seçeneğini önerebilir. Bu sayede, doktorlar hastalarının tedavisinde en etkili yöntemleri seçebilir. Yapay zeka sistemleri, tedavi seçeneklerini değerlendirmede kullanılabilecek verileri toplayarak, doktorların en uygun tedavi seçeneklerini belirlemesine yardımcı olabilir.
Tıbbi kayıt yönetimi: Yapay zeka sistemleri, sağlık alanında kullanılırken, tıbbi kayıt yönetimini de destekleyebilir. Örneğin, bir hastanın tıbbi kayıtlarını toplayarak, doktorların bu kayıtları daha kolay erişebilmelerine yardımcı olabilir. Bu sayede, doktorlar hastalarının geçmişteki tıbbi durumlarını daha iyi anlayabilir ve gerekli tedavi seçeneklerini belirleyebilir. Yapay zeka sistemleri, tıbbi kayıt yönetiminde kullanılabilecek verileri toplayarak, doktorların daha verimli bir şekilde kayıt yönetimini yapabilmelerine yardımcı olabilir.
Hasta danışmanlığı: Yapay zeka sistemleri, sağlık alanında kullanılırken, hastaların sorularını yanıtlayarak, onlara danışmanlık yapabilir. Örneğin, bir hasta bir sağlık konusunda bilgi almak istediğinde, yapay zeka sistemi bu konuda bilgi verebilir. Bu sayede, hastalar sağlık konusundaki bilgilerini artırabilir ve sağlıklarını daha iyi koruyabilirler. Yapay zeka sistemleri, hastaların sorularını yanıtlamak için tıbbi verileri ve sağlık bilgilerini kullanabilir.
Epidemiyolojik takip: Yapay zeka sistemleri, sağlık alanında kullanılırken, epidemiyolojik takibi de destekleyebilir. Örneğin, bir bölgede bir salgının yayılmasını izleyerek, sağlık otoritelerinin salgının yayılmasını engellemeye yardımcı olabilir. Bu sayede, salgınlar daha kolay tespit edilebilir ve engelleme çalışmaları daha etkili bir şekilde yürütülebilir. Yapay zeka sistemleri, epidemiyolojik takip için kullanılabilecek verileri toplayarak, sağlık otoritelerinin salgınları takip etmelerine yardımcı olabilir.
10 Sağlıkta Yapay Zeka Uygulaması
Aşağıda, sağlık alanında yapay zeka (YA) uygulamalarından 10 tane örnek verilmiştir ve her birinin daha detaylı bir açıklaması yapılmıştır. Bu örnekler arasında, şu anda hayata geçmiş ürünler de bulunmaktadır:
İlaç tarif etme: İlaç tarif etme uygulamalarında, yapay zeka (YZ) kullanılabilir. Bu uygulamalar, doktorların ilaç tarif etme süreçlerini hızlandırmak ve yanlış tariflerin önüne geçmek için kullanılır. Örneğin, IBM tarafından geliştirilen Watson for Drug Safety adlı bir uygulama, ilaç tariflerinin doğruluğunu artırmak için kullanılmaktadır.
Tıbbi görüntülerin tanımlanması: Örneğin, Enlitic adlı bir şirket tarafından geliştirilen bir uygulama, radyografik görüntülerdeki anormallikleri tespit etmek için kullanılmaktadır. Bu uygulama, doktorların tıbbi görüntüleri daha hızlı ve daha doğru bir şekilde değerlendirebilmelerine yardımcı olur.
İlaç geliştirme: Örneğin, Atomwise adlı bir şirket tarafından geliştirilen bir uygulama, ilaç moleküllerinin tasarımında kullanılmaktadır. Bu uygulama, ilaç geliştirme sürecini hızlandırır ve ilaç moleküllerinin daha etkili hale getirilmesine yardımcı olur.
Tıbbi dosyaların taranması: Örneğin, UiPath adlı bir şirket tarafından geliştirilen bir uygulama, tıbbi dosyaları taramak ve verileri toplamak için kullanılmaktadır. Bu uygulama, doktorların tıbbi dosyaları daha hızlı ve daha etkin bir şekilde inceleyebilmelerine yardımcı olur.
Kanser tespiti: Örneğin, DeepHealth adlı bir şirket tarafından geliştirilen bir uygulama, MRG görüntülerinden pankreas kanserinin tespitinde kullanılmaktadır. Bu uygulama, doktorların kanser tespiti konusunda daha hızlı ve daha doğru sonuçlar elde etmelerine yardımcı olur.
Diyabet takibi: Örneğin, Insulin Now adlı bir şirket tarafından geliştirilen bir uygulama, diyabetik hastaların insulin dozlarını takip etmek için kullanılmaktadır. Bu uygulama, diyabetik hastaların insulin dozlarını daha doğru bir şekilde ayarlayabilmelerine yardımcı olur.
Beyin ameliyatlarında yol gösterme: Örneğin, Brainlab adlı bir şirket tarafından geliştirilen bir uygulama, beyin ameliyatları sırasında doktorların yol göstermek için kullanılmaktadır. Bu uygulama, beyin ameliyatlarının daha etkili ve güvenli hale getirilmesine yardımcı olur.
Çocuk sağlığı takibi: Örneğin, Babyscripts adlı bir şirket tarafından geliştirilen bir uygulama, hamilelik sırasında çocuk sağlığı takibinde kullanılmaktadır. Bu uygulama, hamilelik sırasında çocuk sağlığını takip edebilmek için kullanılır.
Hasta takip sistemleri: Örneğin, MedyMatch adlı bir şirket tarafından geliştirilen bir uygulama, hasta verilerinin taranması ve tıbbi durumların tespiti için kullanılmaktadır. Bu uygulama, hastaların tıbbi durumlarını takip etmek ve doktorların hasta bakımına yardımcı olmak için kullanılır.
1) Google Deepmind
AI araştırmaları kapsamında Google’nin kendi bünyesinde başlattığı Google Deepmind sağlık projesi, daha hızlı ve daha iyi bir sağlık hizmeti sunabilmek amacıyla tıbbi kayıtları kullanılmaktadır. Google Deepmind, sisteme yüklenen bilgilerin dakikalar içerisinde işlenmesini sağlamaktadır. Araştırma şu an için erken aşamalarda olsa da Google, sistemi geliştirebilmek için Moorfields Hospital ve NHS gibi kurumlarla işbirliği yapmaktadır.
Kaynak : DeepMind
2) IBM WatsonPaths
IBM Watson, Cleveland Clinic ve Lerner Case Western Reserve Üniversitesi Tıp Fakültesi ile işbirliği yaparak kendi bünyesi içinde WatsonPaths adlı bir proje başlatmıştır. WatsonPaths, hekimlerin daha bilinçli, daha doğru, aynı zamanda daha hızlı kararlar almalarına yardımcı olmak ve elektronik tıbbi kayıtları (Electronic Medical Records) analiz etmek için tasarlanan, temelinde Watson AI algoritması kullanılan; IBM tarafından yürütülen bir projedir.
Kaynak : IBM Watson
3) Careskore
Careskore, tüm sağlık sektörü için bulut tabanlı AI çözümleri sunan, Chicago’da kurulan bir platformdur. Careskore temel olarak realtime (gerçek zamanlı) Zeus algoritmasını kullanan, hastaların klinik, laboratuvar, demografik ve davranışsal verilerini kaynak olarak kullanarak tahminler yapan bir yapay zeka sistemidir. Topladığı bu veriler ışığında hastaların kendi sağlıkları hakkında daha şeffaf bilgi edinmelerini ve hastanelerin hizmet kalitelerini artırmalarını sağlamayı amaçlamaktadır. Ayrıca hastalar bireysel olarak bu sisteme kaydolarak AI (yapay zeka) kendi vücutlarıyla ilgili risk ve sorunlar hakkında detaylı bilgi edinebilmektedirler.
Kaynak: CareSkore
4) Zephyr Medicine
Johnson & Johnson’da görev yapan William King Zephyr tarafından 2011 yılında piyasaya sürülen, çeşitli verileri doktorlar için daha iyi analiz edebilmek adına geliştirdiği sistemler, doktorların doğru tedavi seçiminde gereken süreyi azaltacak algoritmalar üzerine çalışmaktadır. Proje, PharmaVOICE dergisi okuyucuları tarafından “2016’nın En ilham verici 100 projesi” kapsamında “Yaşam Bilimleri” alanında birinci seçilmiştir. Makine öğrenimi algoritmaları ile bir veri kümesini oldukça hızlı işleyebilen bu sistemin en büyük avantajlarından birisi de büyük verilerin görselleştirilmesine olanak sağlamasıdır.
Kaynak: Zephyr Health
5) Oncora Medicine
Philadelphia tabanlı bu start-up çalışması, kanser araştırma ve tedavilerinde, özellikle radyoterapi alanında destek sağlamayı amaçlamaktadır. Kurucu ortaklardan radyasyon onkolojisi uzmanı David Lindsay, topladığı elektronik tıbbi kayıtları düzenleyerek dijital bir veritabanı oluşturmuş, veri analizi ve radyoterapi tedavi planları konusunda doktorlara yardımcı bir platform tasarlamak istemiş ve Oncora Medicine isimli bu projeyi 2016 yılında hayata geçirerek yaklaşık 1.2 milyon dolar yatırım almıştır. 2017 yılında üç önemli sağlık merkezi ve onların 10.000 hastası, kişiselleştirilmiş tedavi konusunda yardım almak için onun tasarladığı “Radyasyon Onkolojisi” platformunu kullanmıştır.
Tıbbi görüntüleme sistemleri genel olarak vücudun iç yapılarını görüntülemeye yarayan yöntemleri kapsar. Röntgen (X-Ray), MRI, Ultrasonografi, Bilgisayarlı Tomografi gibi cihazlar yaygın olarak bilinenlerden sadece birkaçıdır. Bu görüntüleme teknikleri hakkında düşününce akla ilk ne gelir? Bazen bir odadan bile daha büyük, pahalı ve karmaşık makineler… Şu an bu medikal görüntüleme teknolojilerinin yaygınlaşamamasının en büyük sebebi, cihazların pahalılığı ve kullanımları için nitelikli insan gücü gerekliliğidir. Bu sorunlar da tam olarak AI start-up’larının çözmeye çalıştıkları problem olarak karşımıza çıkmaktadır. Tıbbi görüntüleme sistemleri ülkemizde her ne kadar yaygın olsa da dünyanın 60%’ı hala modern medikal görüntüleme sistemlerine ulaşamamaktadır.
1) Enlitic
Enlitic, derin öğrenme teknolojileri sayesinde özellikle radyografik görüntülerde veri toplamaya ve bu verileri analiz etme, görüntü tanıma gücünü kullanır.
Enlitic’in yapay zekası tıbbi görüntüleri milisaniye cinsinde yorumluyor ve bu da ortalama bir radyoloğun medikal görüntü yorumlama performansından yaklaşık 10.000 kat daha hızlı. Buna ek olarak, yapılan bir testte üç radyoloğun aynı anda raporlamasına karşın, Enlitic sistemi malign tümörleri sınıflandırmada %50 daha doğru ve hızlı performans göstermiş. Etkileyici, değil mi?
Fotoğraf : Enlitic
2) Butterfly Network
Jonathan Rothberg’ın 2011’de kurduğu start-up, Butterfly Network ile hedefi MR ve ultrasonlardan önemli ölçüde ucuz ve verimli yeni bir tıbbi görüntüleme aygıtı oluşturmak. Start-up’ın nihai amacı tıbbi görüntüleme işleminin otomatikleştirilmesini sağlamak.
Fotoğraf: Butterfly Network
3) Lunit
2013 yılında kurulmuş olan Seul merkezli Lunit, internet üzerinde ilk gerçek zamanlı yapay zeka tabanlı görüntüleme analizi yapan bir yazılım şirketi. Göğüs grafisi, mamografi ve patoloji preparatlarını yapay zeka tabanlı yazılımı ile inceleyerek lezyonların morfolojisini daha iyi modellemeyi, meme kanserini erken yakalamayı ve patologlara veya araştırmacılara, tümörlere sızan lenfositlerin miktarını objektif olarak belirlemelerine yardımcı olmayı hedefliyorlar.
Fotoğraf : Lunit
4) Arterys
Bulut sistemi, yapay zeka ve tıbbi görüntüleme buluşması. Bu üçlü Arterys’nin odak noktası. Öncü start-up’ın amacı “bulut gücünü tıbbi görüntülemelere açmak.” GE Healthcare ile ortak geliştirdikleri bu yeni yöntemde Kardiyak MR tarama işlemi 1 saat yerine 6-10 dakika sürüyor ve hastanın çekim sırasında nefes tutması gerekmiyor. Kayıtlar, Arterys’ın platformunda işlenerek 3D kalp anatomisini, kan akış hızını ve kan akışı yönü de dahil olmak üzere birçok ek veriyi elde etmek için tasarlanmıştır.
Fotoğraf : Arterys
5) Caption Health
Bay Labs Inc, sağlık profesyonellerinin işini kolaylaştırmak amacıyla, kalp hastalıklarının tanı ve tedavi sürecinde ultrason görüntülerinin raporlanmasında yardımcı olmak için tasarlanmıştır.
2016 yılında Bay Labs, Kenyalı okul çocuklarında Romatizmal kalp hastalığı (RHD)’ın erken tanısına yardımcı olmak amacıyla kuruldu. Bu yapay zeka sistemi ile radyoloji uzmanları, 1200 çocuğu 4 günde taramış ve RHD ve konjenital kalp hastalığına sahip 48 çocuğa tanı koymayı başarmış.
Fotoğraf : Caption Health
Yapay zeka, sağlık alanında oldukça yaygın olarak kullanılmaktadır. Özellikle büyük veri setleri ile çalışan bu teknoloji, sağlık alanında birçok alanda kullanılabilmektedir. Örneğin, yapay zeka kullanarak hastalık tanısı konulabilir, tedavi seçenekleri değerlendirilebilir ve hatta ilaçların etkinliği tahmin edilebilir. Yapay zeka ayrıca sağlık sistemlerinde veri işleme ve raporlama gibi görevlerde de kullanılabilir.
Birçok çalışma yapay zekanın sağlık alanındaki etkinliğini kanıtlamıştır. Örneğin, bir çalışmada, yapay zeka kullanarak kanser tümörlerinin boyutları tahmin edilerek cerrahi müdahalelerin daha etkili hale getirilebilmiştir. Diğer bir çalışmada ise yapay zeka kullanılarak kalp krizi geçirmiş hastaların tekrardan kalp krizi geçirme risklerinin tahmin edilebilmiştir.
Bu örnekler, yapay zekanın sağlık alanında etkin bir şekilde kullanılabileceğini göstermektedir. Gelecekte, bu teknolojinin sağlık alanındaki kullanımı daha da artacak ve sağlık sistemlerinde daha fazla sayıda yapay zeka uygulaması görülecektir.