Yapay Zeka ve Onkoloji
Onkoloji alanında yapay zeka ile teşhis çalışmalarının verimini arttırma
Avrupa, Orta Doğu ve Afrika bölgesinde yer alan 12 ülkeden 11.000’i aşkın katılımcı ile hazırlanan “Hangi doktor? Neden yapay zekâ ve robotbilim yeni sağlık sektörünü şekillendirecek?” başlıklı araştırma tüketicilerin sağlık sektöründe yapay zeka ve robotlara ne kadar hazır olduğunu inceliyor.
Araştırmanın sonuçlarında aşağıdaki bulgular ön plana çıkıyor:
- Yapay zekâ ve robot kullanma isteği giderek artıyor, bu artışta temel etken sağlık hizmetlerinden daha kolay faydalanma.
- Teşhis ve tedavinin hızı ve doğruluğu da, yapay zekâ ve robotbilime olan istekliliği artıran önemli bir faktör.
- Daha fazla kullanım ve kabullenme için teknolojiye güven kritik önem taşıyor; ancak ‘insan ilişkileri’ sağlık sektörü deneyiminin kilit bileşeni olmaya devam ediyor.
Yapay zekâ Avrupa’daki sağlık hizmetleri harcamalarını azaltırken kalite ve verimliliği nasıl arttırabilir’ adlı rapor için Avrupa ülkelerindeki halka açık veriler incelenmiş ve yapay zekâ alanında aktif olan Avusturya, Almanya ve Hollanda’dan hastaneler, klinikler, ödeme kuruluşları ve teknoloji şirketleriyle görüşmeler yapılmıştır. Analizlerde, yapay zekâ uygulamasının analiz edilen birçok hastalık için sağlık harcamalarındaki tahmini tasarruf miktarı ile bu hastalıkları önleme, teşhis ve tedavi açısından ne kadar etkili olduğu dikkate alınıyor.
Çalışma Avrupa’da sağlık hizmetlerinde yapay zekânın kullanılması ile maliyetlerde önümüzdeki 10 yıl içerisinde toplam 172 milyar avro tasarruf sağlanmasının mümkün olduğunu ortaya koyuyor. Örneğin yapay zekânın meme kanseri teşhis ve tedavisinde kullanımı en çok erken tanı ve tedaviye karar vermede yardımcı olacak. Geniş ölçekte kullanılırsa, önümüzdeki on yılda 74 milyar avroya kadar tasarruf sağlanmasına yardımcı olabileceği tahmin ediliyor.
Çizgi Elektronik olarak gelişmiş yapay zeka teknolojileri sayesinde, kanser teşhisinde çalışan patologların çalışmalarının etkinliğini ve verimliliğini artırmasına yardımcı olmayı hedefliyoruz. Yapay zeka ile taranan CT ve MR imajları teşhis aşamasında yeni görüşler oluşturmaya ve klinik doktorlarının teşhis oranlarında iyileştirme bekliyoruz.
CT ve MR Bilgileri
Projenin ilk aşamasında geniş veri bankasına sahip olan bir hastane ile CT ve MR bilgilerini toplama ve ön inceleme planlanmaktadır.
Kanser Analizi
İkinci aşamada bu verinin ve temel klinik bulguların yapay zeka sistemine girilmesi düşünülmektedir.
Yapay Zeka İşleme
Yapay zeka ile tüm veriler back propagation teknikleri ile tekrar tekrar incelenerek sistemin kanser teşhisi sağlaması planlanmıştır.
Yapay Zeka ve Onkoloji
Patoloji
Patoloji, kanser teşhisinin temel taşıdır. Bugünkü teknolojide patoloji alanı nitelden nicel disipline kadar bir devrimin zirvesindedir. Yapay zeka algoritmalarını önde gelen kanser uzmanlarından ve yüz binlerce dijital slayt ile eğitildiğinde teşhislerin doğruluk payının arttığı bilinmektedir.
Yapay zeka
Yapay Zekanın tıp alanında kullanılması bir devrimdir. Yapay zeka uzmanları dünaynın her ülkesinde hesaplamalı patoloji için büyük ölçekli makine öğrenme sistemleri inşa etmektedir. Bu uzmanlar patoloji için ilk klinik dereceli yapay zeka uygulamasını oluşturmak için yeni derin öğrenme ve topluluk modelleri geliştirmek için çalışıyorlar.
Rehberlik ve Ön Tanı
Yapay zeka ile kanser teşhisinde hedeflerden biri de sağlam klinik karar destek sistemi ile patologlara, klinisyenlere ve araştırmacılara rehberlik etmektir. Klinik uzmanlar, büyük verimlilik ve verilerinin tekrarlanabilirliği elde edeceklerdir.
Hedef 100,000 CT ve MR bilgisi
Yapay Zeka ile Onkoloji
Görüntü analizi, yapay zekanın toplumu etkilediği en etkili yöntemlerden biri olduğunu kanıtlanmıştır. Derin öğrenme algoritmaları tarafından desteklenen yapay zeka, kendinden sürüşlü araçlar, cep telefonu uygulamaları ve diğer birçok faydalı teknolojiyi sağlamıştır. Tıpta mevcut olan çok sayıda dijital görüntüleme verisi göz önüne alındığında, benzer tekniklerin onkoloji içinde görüntülemeye uygulanması konusunda heyecan artmaktadır.
Görüntü analizindeki bu devrim, belirli bir derin öğrenme mimarisinin geliştirilmesi, Convolutional Neural Network (CNN) olarak anılmakta. (Türkçeye Evrişimsel Sinir Ağları olarak çevriliyor). CNN biyoloji ve bilgisayar bilimlerinin garip bir karışımı gibi görünse de, bu, resim tanıma için kullanılan çok etkili bir mekanizmadır. CNN’ler görüntülerden piksel düzeyindeki bilgileri analiz eder. CNN’lerin diğer derin öğrenme konfigürasyonlarına kıyasla ilave faydaları, piksellerin birbirine göre yönlenmesini hesaba katma yeteneğidir. Bu, CNN’nin çizgilerdeki, eğrilerdeki ve nihayetinde görüntülerdeki nesneleri takdir etmesini sağlar. CNN tabanlı modellerin son zamanlarda resim sınıflandırma ve nesne tespitinde insanlara eşdeğer olduğu gösterilmiştir.
Derin öğrenmenin kanser görüntülemesindeki vaadini vurgulayan ilk makalelerden biri, cilt fotoğraflarına dayanarak cilt kanserinin tanımlanmasıydı. Bu çalışmada araştırmacılar, 1.290 hastanın kolonoskopik görüntüleri üzerinde eğitilen CNN’nin polip tespitinde% 94 duyarlılığa sahip olduğunu buldu.
