GE Sağlık ve San Francisco’da bulunan California Üniversitesi, yapay zeka ve makine öğreniminin doktorların ve tıbbi bakım sağlayan kişilerin daha hızlı ve daha akıllı klinik kararlar vermesini nasıl sağlayabileceği üzerine bir çalışma yapıyor. Bu çalışmada, klinisyenlere daha hızlı bilgi sağlamayı amaçlayan derin öğrenme algoritmaları geliştirilecek.
Apple’ın Siri teknolojisinde veya Microsoft’un gelişmiş görüntü tanıma sisteminde bulunanlara benzer Yapay Zeka versiyonları teknolojinin yetkinliklerini kanıtlamış olsa da, UCSF’de bilişim bölümü başkan vekili ve kardiyolog olarak görev alan Dr. Michael Blum, sağlık hizmetlerinde bu alan ile ilgili neredeyse hiç ilerleme kaydedilmediğini belirtiyor. UCSF ve GE Sağlık ekibi, ilk olarak, çoğunlukla GE Sağlık ekipmanları kullanılarak edinilen anonimleştirilmiş ve not eklenmiş binlerce akciğer grafisini kullanarak Yapay Zeka algoritmaları geliştirecek ve bu algoritmaları doğrulayacak. Çözüm güvenli ve etkili olarak kabul edildikten sonra dünya genelinde GE Health Cloud ve akıllı GE Sağlık görüntüleme cihazlarında kullanılabilecek ve çökmüş akciğer veya hatalı yerleştirilmiş besleme tüpü gibi kritik anormallikler için büyük X ışını hacimlerini analiz etme yeteneğine sahip olacak.
Geliştirilme aşamasındaki teknoloji, klinik bakım ekiplerini daha verimli hale getirmeyi ve Yapay Zeka algoritmaları tarafından kritik olarak tanımlanan vakaları çalışma listelerinin üst kısımlarına taşıyarak radyologların işlerini daha akıllıca önceliklendirmelerine yardımcı olmayı amaçlıyor. Uzun vadeli hedef, akut durumdaki hastaların tedavi süresini azaltmak ve hasta sonuçlarını iyileştirmek…
Dr. Blum, bu tür algoritmaların desteği olmadan radyoloğun zamanını her zaman en etkili şekilde kullanamayacağını belirtiyor. Örneğin bir radyolog, zamana duyarlı bir görüntüleme bulgusuna sahip bir inceleme ile karşılaşmadan önce düzinelerce normal veya değişmemiş akciğer grafisine bakmak zorunda kalabilir.
Derin öğrenme özelliğinin ardındaki teknoloji, radyoloğun yazılımın seçimini onaylaması veya reddetmesi ve yazılıma sürekli olarak algoritma doğruluğunu geliştiren yeni görüntüleme verileri eklemesi yoluyla sisteme değerli geribildirim sağlamasına olanak tanıyor. Dr. Blum bu teknolojiyi “Doktorlar tıp fakültesinde bir hastanın vücudunda neler olup bittiğini anlamak için stetoskop kullanmayı ve X ışınlarını okumayı öğrenirler. Artık bu asırlık araçları, yapay zeka ve makine öğrenimi gibi çağdaş teknolojilerle destekleyeceğiz” şeklinde açıklıyor.
GE Sağlık’ın Yapay Zeka geliştirme yol haritasına göre, tanısal görüntüleme yöntemlerinin tamamı için tanısal doğruluğu, hasta sonuçlarını, klinik iş akışlarını ve verimliliği iyileştirmeye yardımcı olan bir algoritma kütüphanesi geliştirmeyi amaçlıyor. Dr. Blum, ilk algoritmaların önümüzdeki altı ay içinde geliştirilip test edileceğini ve klinisyenleri günlük uygulamalarında desteklemeye odaklanılacağını belirterek “Bu algoritmalar, başlangıçta tanı koymayacak veya tedavi tavsiyesinde bulunmayacak ancak birlikte çalışmaya devam ettikçe daha karmaşık algoritmalar geliştirmeyi umuyoruz. Zaman içerisinde sayısal olarak tanı koyma konusunda doktorlar kadar iyi algoritmalar geliştireceğimizi hayal etmek kolay olsa da sağlık hizmeti sunmanın karmaşık ve duygusal ortamında deneyimli doktorlara her zaman ihtiyaç olacaktır” açıklamasında bulundu.
Bu açıklama, radyolog ve radyoloji uzmanı sayısının yetersiz olduğu gelişen pazarlar da dahil olmak üzere bazı küresel sağlık hizmeti pazarlarında özellikle yankı uyandırdı. Gelecekteki algoritmalar, klinik kaynakların eksikliğini giderebilir ve dünya genelindeki sağlayıcıların derin öğrenme yoluyla sağlanan yeni bilgi ve fikirlere erişmesini sağlayabilecek.
GE Sağlık ve UCSF’nin işbirliği, tanısal görüntüleme alanında önemli bir geçmişi olan iki ekibi bir araya getiriyor. GE Sağlık, 1895’te X ışınını icat etmiş, UCSF ise tüm tıp öğrencilerini radyoloji konusunda eğitmek için 1912’de ilk özel X ışını tesislerinden birini açmıştı. Günümüzde iki kurumun ortaklığı hasta bakımının geleceğini şekillendirmeye yardımcı olacak.
http://www.hurriyet.com.tr/
