Hastalıkların doğru bir şekilde tespit edilmesi, yıllarca tıp eğitimi almayı gerektirir. Bu eğitimin ardından bile teşhis koymak zorlu ve zaman alıcı bir iştir. Tıbbın birçok alanında, uzman talebinin arzı aşmış durumda olması doktorları strese sokuyor ve hastalıkların teşhisi daha da gecikiyor. Makine öğrenimi
-özellikle de derin öğrenme
– algoritmaları hastalıkların otomatik teşhisi konusunda son dönemde büyük ilerleme kaydetmiş, teşhis sürecini daha ucuz, kolay ve erişilebilir hale getirmiş durumda.
Makineler Teşhis Koymayı Nasıl Öğreniyor?
Makine öğrenimi algoritmaları, belirli kalıpları görmeyi doktorlarla aynı şekilde öğreniyor. Tek fark, algoritmaların öğrenebilmek için çok sayıda somut örneğe ihtiyaç duyması ve bunların titiz bir şekilde dijital ortama aktarılması gerekliliği. Ne yazık ki makineler henüz ders kitaplarını açıp okuyamıyor. Makine öğrenimi doktorların incelediği teşhis bilgilerinin dijital ortama aktarıldığı aşağıdaki benzer alanlarda faydalı oluyor:
– Bilgisayarlı tomografi taramalarını analiz ederek akciğer kanseri ve felç teşhisi
– Elektrokardiyogramlarını analiz ederek ani kalp krizi riskinin belirlenmesi
– Deri görüntülerini analiz ederek lezyonların sınıflandırılması
– Göz görüntülerini analiz ederek diyabetik retinopati göstergelerinin belirlenmesi Bu alanlarda bol miktarda veri bulunması sayesinde, algoritmalar teşhis konusunda en az uzman doktorlar kadar başarılı olabiliyor. Tek fark algoritmaların çok kısa sürede teşhisi ve bunu dünyanın herhangi bir yerinden masrafsız şekilde yapılabilmesi. Kısa süre içerisinde dünyanın her yerindeki insanların radyoloji teşhisinde aynı kaliteli hizmeti çok düşük bir ücret karşılığında alabilmesi hedefleniyor. Yapay zekânın en yoğun ilgi gördüğü alanlardan biri radyoloji. Dünyada her yıl iki milyardan fazla göğüs röntgeni çekiliyor. Yapılan araştırmalara göre, yapay zekâ algoritmaları bu röntgenlerin değerlendirilmesi ve hastalıkların teşhisinde insanlardan daha başarılı oluyor. Bu algoritmalardan, röntgen filmlerinin yanı sıra BT, MR, ekokardiyogram ve mamografi gibi her türlü tıbbi görüntüleme sisteminde de yararlanılıyor ve insanlara kıyasla 150 kata varan hızlarda sonuç elde ediliyor. Radyolojide yapay zekânın faydalarından bazılarının şunlar olması bekleniyor: – Meme, akciğer veya prostat kanserini tespit etmek – Santral sinir sistemi tümörlerinin teşhisine yardımcı olmak
– İyi huylu lezyonları kötü huylu olanlardan ayırt etmek
– MR görüntülerindeki beyin dokularının hacim ve oylumunu hesaplamak ve fonksiyonel MR görüntülerini analiz etmek. Teşhisin Kalitesini Artıran Sistemler Yoldahis alanında makine öğreniminin kullanımı henüz başlangıç aşamasında.
Yakında farklı veri kaynaklarını
-BT verileri, MR verileri, genom ve proteomik veriler, hasta dosyaları, hatta el yazısıyla yazılmış dosyalar
- bir araya getirerek teşhisin kalitesini artıran sistemler de ortaya çıkmaya başlayacak. Ancak bütün bunlardan yapay zekânın doktorların yerini alacağı sonucunu çıkarmamak gerekiyor.