Yapay zeka sistemleri ile hastalık teşhis ve tedavisi
Yapay zeka sistemleri, ChatGPT gibi, hayatımızın bir parçası haline geldikçe, doktorlar da bu sistemleri klinik uygulamalarında kullanmaya başlıyor. Bu sistemler, klinik karar desteği (CDS) algoritmaları olarak biliniyor ve doktorlara, yaygın tıbbi durumların teşhis ve tedavisinde nasıl karar vereceklerini gösteriyor. Örneğin, hangi hastalara antibiyotik yazacaklarını veya kimlere riskli bir kalp ameliyatı yapacaklarını belirlemelerine yardımcı oluyorlar.
Ancak, bu yeni teknolojilerin başarılı olması için, doktorların bir aracın tahminlerini doğru şekilde anlamaları ve ona göre davranmaları gerekiyor. Maryland Üniversitesi Tıp Fakültesi’nden (UMSOM) araştırmacılar, New England Journal’da yayınladıkları bir makalede, bunun için doktorların özel bir eğitime ihtiyacı olduğunu söylüyorlar.
CDS algoritmaları, belirsizlik içeren klinik durumlarda tahmin yapmak için kullanılıyor. Bu algoritmalar, basit risk hesaplayıcılarından karmaşık makine öğrenimi ve yapay zeka sistemlerine kadar çeşitli şekillerde olabilir. Bu algoritmalar, örneğin, hangi hastaların sepsis gibi hayati tehlike oluşturan bir enfeksiyona yakalanma riskinin yüksek olduğunu veya hangi kalp hastalığı hastasının ani ölümden korunma şansının en yüksek olduğunu tahmin etmek için kullanılabilirler.
UMSOM’dan Epidemiyoloji ve Halk Sağlığı Profesörü Dr. Daniel Morgan, “Bu yeni teknolojilerin hasta bakımına büyük katkısı olabilir, ancak doktorların bu algoritmaları klinik uygulamalarına entegre etmek için makinelerin mantığını ve işleyişini öğrenmeleri gerekiyor” diyor.
Şu anda bazı klinik karar destek araçları elektronik tıbbi kayıt sistemlerine entegre edilmiş durumda, ancak doktorlar bu araçları kullanmayı zor ve yararsız buluyorlar. UMSOM’dan Epidemiyoloji ve Halk Sağlığı Yardımcı Doçenti Katherine Goodman, “Doktorların matematik veya bilgisayar uzmanı olmalarına gerek yok, ancak bir algoritmanın ne yaptığını ve nasıl çalıştığını temel düzeyde anlamaları gerekiyor. Ancak çoğu doktor bu konuda hiç eğitim almamış” diyor.
Araştırmacılar, tıp eğitimi ve klinik eğitimin CDS algoritmalarına uygun olarak güncellenmesi gerektiğini savunuyorlar. Dr. Morgan, Goodman ve Boston’daki Beth Israel Deaconess Tıp Merkezi’nden Dr. Adam Rodman’ın önerileri şöyle:
Olasılık Becerilerini Geliştirin: Tıp fakültesinin ilk yıllarında, öğrenciler olasılık ve belirsizlik konularına hakim olmalı ve olasılık açısından düşünmeyi kolaylaştırmak için görsel yöntemler kullanmalıdır. Bu eğitim ayrıca duyarlılık ve özgüllük gibi performans göstergelerinin nasıl yorumlanacağını da içermelidir. Algoritmik Çıktıyı Karar Vermeye Dahil Edin: Doktorlara, CDS tahminlerini kritik bir şekilde değerlendirip klinik karar verme süreçlerinde nasıl kullanacakları öğretilmelidir. Bu eğitim, algoritmaların hangi koşullarda çalıştığını, sınırlarını ve algoritmaların göz ardı etmiş olabileceği hastaya özgü faktörleri anlamayı içerir. Uygulamalı Öğrenmede CDS Tahminlerini Yorumlama Uygulaması: Tıp öğrencileri ve doktorlar, algoritmaları gerçek hastalara uygulayarak ve farklı verilerin tahminleri nasıl etkilediğini görerek uygulamalı öğrenmeye katılabilirler. Ayrıca hastalarla CDS rehberliğinde karar verme konusunda nasıl iletişim kuracaklarını da öğrenmelidirler.
Maryland Üniversitesi, Baltimore (UMB), Maryland Üniversitesi, College Park (UMCP) ve Maryland Üniversitesi Tıp Sistemi (UMMS) yakın zamanda yeni bir Sağlık Bilgi İşlem Enstitüsü (IHC) kurmak için planlar yaptı. UM-IHC, hastalık teşhisini, önlenmesini ve tedavisini geliştirmek için yapay zeka ve makine öğrenimi gibi teknolojileri kullanmayı amaçlıyor.
