Yapay Zekâ Destekli Sağlık Hizmetleri
Sağlık sistemlerinin verimliliğini artıracak yeni
teknolojiler.
Dünyanın her
yerindeki sağlık sistemlerinin eksiklikleri, COVID-19 salgınının ilk günlerinden
itibaren dehşet verici bir şekilde ortaya çıktı. Buna yanıt olarak hem yaklaşan
pandemileri tahmin etmek hem de bunlarla etkili bir şekilde mücadele etmeye
yardımcı olmak amacıyla yapay zekâ ve makine öğrenimini (ML) sağlık
hizmetlerine entegre etmek için hükümet tabanlı ve akademik ekipler oluşturuldu
(AI4PEP). Büyük sağlık krizleri karşısında ulusal ve küresel sağlık
sistemlerinin etkinliğini artırmaya ve bakıma erişimi demokratikleştirmeye
yönelik bu yeni ortaya çıkan çabalar, başlangıç aşamasındadır ancak kaliteli
verilerin AI (yapay zekâ) ve ML (makine öğrenimi) modellerine entegre
edilmesiyle hızla ölçeklendirilecektir. Yeni ortaya çıkan yapay zekâ
sistemlerinin sağlık hizmetlerini etkilemesinin en etkili yollarından biri,
verilerin işlenmesidir.
Resim için Kaynak: Midjourney ve Studio Miko. Komut istemi (kısaltılmış): “Soyut nüfus verileri”.
Şaşırtıcı bir
şekilde, gecikmeler genellikle kapasite eksikliğinden değil, mevcut tesislere
eşit olmayan erişimden ve bunun sonucunda da mevcut tesislerin yetersiz
kullanılmasından kaynaklanmaktadır.
Mevcut tıbbi
tesisler, yapay zekâ, makine öğrenimi ve veri analitiğinden oluşan seçilmiş bir
veri kümesine uygulandığında hastaların tedavilere erişimini önemli ölçüde
iyileştirdi. Bakıma erişimi optimize etmeye yönelik yapay zekâ tabanlı bir
yaklaşım Kanada'da geniş çapta benimseniyor ve muhtemelen başka zamanla başka
ülkelerde de yaygınlaşacaktır.
Yapay zekâ
tabanlı sağlık hizmetlerinin etkisi, genellikle nüfuslarının büyük bir kısmına
sağlık hizmetleri sunacak altyapı ve personelden yoksun olan gelişmekte olan
ülkelerde daha da derin olabilir.
Radyolojik
verilerin okunmasını kolaylaştıran yapay zekâ tabanlı sistem gibi yeni veya
devam eden tıbbi durumların tanımlanmasına, izlenmesine ve tedavisine yardımcı
olacak akıllı araçlar bakımın şu anda yetersiz olduğu yerlerde sağlık
hizmetleri yeteneklerini geliştirmek için yapay zekâ ve makine öğreniminden
yararlanmanın ilk adımıdır. Örneğin Hindistan, 1,4 milyarın üzerinde geniş bir
alana yayılmış bir nüfusa sahip ve tıbbi desteği artırmak için yapay zekâ
tabanlı bir yaklaşımı benimsedi. Hindistan hükümeti, gerekli gizlilik
önlemlerini uygulayarak doktorların yardımcı teknolojiler aracılığıyla uzak
topluluklarla etkileşime geçmesine olanak sağladı.
Engellerin
aşılması zor olsa da eylemsizliğin riskleri daha yüksektir.
Dahası,
geniş bir nüfusun sağlık ve refahına ilişkin kişisel verileri düzenleyen
herhangi bir sistem, dikkatle hazırlanmış bir yasal ve etik çerçevenin
sınırları dahilinde işlemelidir. Yapay zekâ ve makine öğreniminin sağlık
hizmetlerine küresel olarak uygulanması beklentisiyle yasal çerçeveler ortaya
çıkmaya başlıyor. Yapay zekâ tabanlı sağlık hizmetleri çözümleri, önümüzdeki üç
ila beş yıl içinde, insan sağlığına, özellikle de yetersiz hizmet alan nüfusa
büyük fayda sağlayacak şekilde, her zamankinden daha yaygın hale gelecek.
Kaynak:
| Daniel E. Hurtado Doçent, Şili Papalık Katolik
Üniversitesi
| Andrew Maynard İleri Teknoloji Geçişleri Profesörü,
Arizona Eyalet Üniversitesi
| Bernard S. Meyerson İnovasyon Direktörü Emeritus, IBM
| Mine Orlu Eczacılık Profesörü, UCL Eczacılık Fakültesi,
Yaşam Bil.Fak.UCL
| Landry Signe Kıdemli Araştırmacı, Brookings Enstitüsü