Yapay zeka hastalık teşhisini hızlandırıyor.

Teşhis testleri, yapay zekanın yardımıyla hastalıkları çok daha erken tespit etmeye başlıyor.

Ancak yapay zekanın geniş bir veri dizisini kullanma yeteneği, araştırmacıların hastalığı tespit etmek için tamamen yeni yollar keşfetmelerine yardımcı oluyor.
Bazı durumlarda bu, birine zarar vermediği ortaya çıkmış bir hastalık bile olabilir.

Geçtiğimiz hafta British Columbia Üniversitesi'nden araştırmacılar, hastaları çok daha fazla ölüm riskiyle karşı karşıya bırakan, ancak "aksi takdirde geleneksel patoloji ve moleküler tanı testleri tarafından tanınmayacak olan" farklı bir endometriyal kanser alt türünü belirlediklerini duyurdular.
Geçtiğimiz ay yapılan bir çalışmada araştırmacılar, yapay zeka ile eşleştirilmiş bir kan testi kullanarak Parkinson hastalığı olan hastaları çok daha erken - semptomlar ortaya çıkmadan yedi yıl öncesine kadar - tespit edebileceklerini bildirdiler.

Yapay zeka algoritmaları, büyük miktarda veriyi hızlı bir şekilde düzenleyip eleyebiliyor ve aksi takdirde fark edilmeyebilecek kalıpları belirleyebiliyor.

Algoritmalardaki ilerlemeler, büyük veri kümelerinin daha fazla kullanılabilirliği ve bulut bilişime daha iyi erişim ile birleştiğinde teşhisleri güçlendiriyor.
Mayo Clinic Platform başkanı John Halamka Axios'a "Bu matematik, sihir değil" dedi.
Bu testlerin çoğu, sohbet robotlarına ve görüntü oluşturuculara güç veren üretken yapay zeka ile değil, klasik yapay zeka algoritmalarıyla destekleniyor.
Teşhiste YZ kullanmanın en önemli faydalarından biri de tesadüfi bulgulardır.

Yapay zeka veritabanı girişimi Dandelion Health'in CEO'su Elliott Green Axios'a verdiği demeçte, bir abdominal BT taramasında, tek bir testle bir ton veri toplandığını, ancak tipik olarak radyoloğun doktorun testi ne için istediğine odaklandığını söyledi.
Ancak Green, yapay zekanın, genellikle yağlı karaciğer hastalığı olarak adlandırılan metabolik disfonksiyonla ilişkili steatotik karaciğer hastalığı için erken belirteçleri de işaretleyebileceğini söyledi.
Green, "YZ, kanıtın olması gerektiğini düşündüğümüz yere değil, kanıtın olduğu yere gider" dedi.
Evde test şirketi Everly Health'in baş tıbbi sorumlusu Liz Kwo, hastalık tespitindeki gelişmelerin tanı testlerini daha kişiselleştirilmiş, öngörücü ve kuralcı hale getirdiğini söyledi.

Yeni tanımlanan biyobelirteçler için yapılan testler, bir teşhisi kişiselleştirmek için bireyin kendi kayıtları ve giyilebilir cihazlardan alınan gerçek zamanlı verilerle karşılaştırılmaya başlanıyor.
Milyonlarca benzer hastadan elde edilen veriler, bir bireyin belirli bir tedaviye nasıl yanıt verebileceğini tahmin etmek ve ilaçlar veya yaşam tarzı değişiklikleri hakkında reçeteli tavsiyeler sunmak için karşılaştırılacaktır.
Sürtüşme noktası: Halamka, yapay zekanın bazı doktorların alanına tecavüz ettiği fikrine karşı çıkıyor.

Algoritmaların tıp pratiği yapmadığını, ancak doktorların işlerini daha iyi yapmalarını sağlayan araçlar olarak hizmet ettiğini ve daha doğru bir şekilde "artırılmış gerçeklik" olarak tanımlandığını söyledi.
Evet, ama: Veri çıkışı ancak veri girişi kadar iyidir. Bu da veri şeffaflığı ve farklı hastaların veri setlerinde temsil edilmesiyle ilgili sorunların ele alınmasının, doğru ve daha az önyargılı algoritmalar geliştirmek için kritik önem taşıdığı anlamına geliyor.

Sağlık kuruluşları hala algoritmaları değerlendirmek için en iyi uygulamalar ve kullandıkları veri kümelerinin devam eden doğruluğu gibi YZ kullanımı için uygun korkulukları bulmaya çalışıyor.
Halamka, özellikle üretici YZ'nin önerilerinin kalitesini ve doğruluğunu değerlendirmenin zor olduğunu, bu nedenle şimdilik daha düşük riskli uygulamalarla sınırlandırılması gerektiğini söyledi.
YZ yanlış pozitifleri azaltabilirken, aynı zamanda bir soruna dönüşmemiş olabilecek bir hastalığı aşırı teşhis etme riskini de taşıyor.

‍