Kalp ritmi bozukluklarını (aritmiyi) belirleyen bir algoritma, yapay zekanın tıpta nasıl devrim yaratabileceğine işaret ediyor; ancak hastalar makinelerine ömür boyu güvenmek durumundalar.
Doktorlar makinelere güvenmeye her zamankinden daha fazla istekli oldukları sürece algoritmaların düzenli olarak hayat kurtarması, çok uzun zaman almayabilir.
Stanford Üniversitesi’nde ünlü bir yapay zeka araştırmacısı olan yardımcı profesör Andrew Ng liderliğindeki bir grup araştırmacı, bir “machine-learning” modelinin, EKG sonucu alınan düzensiz kalp çarpıntılarını (aritmileri), bir uzmandan daha iyi tespit edebildiğini gösterdi.
Otomatize edilmiş yaklaşımlar potansiyel olarak ölümcül olabilen kalp çarpıntı düzensizliklerinin teşhisini daha güvenilir hale getirerek, rutin tıbbi tedavide önemli rol oynayabilmesi sağlanabilir. Ayrıca kaynakların kıt olduğu alanlarda, kaliteli bakım yapılabilir hale gelebilir.
Araştırmacılar taşınabilir EKG cihazlarını çeşitli şekillerde aritmilere sahip hastalardan 30.000 adet 30 saniyelik klips toplamak için kullandı.
Bu çalışma aynı zamanda, “machine-learning” modelinin tıpta devrim yaratması olasılığının en yeni işaretidir. Son yıllarda araştırmacılar makine öğrenme tekniklerinin göğüs kanseri, cilt kanseri ve tıbbi görüntülerden gelen göz hastalıkları da dahil olmak üzere bir çok rahatsızlığı tespit etmek için kullanılabileceğini göstermiştir.
Ng, e-posta yoluyla, “İnsanların derin öğrenmenin teşhis koyma konusunda seçkin doktorlardan daha yüksek bir doğruluğa sahip olmasını ne kadar hızlı kabul ettikleri konusunda iddialıyım.” şeklinde görüş belirtti. Görüntülemenin ötesine geçen araştırmacıların EKG gibi diğer veri biçimlerine yönelmesini teşvik etmenin cesaret verici olduğunu da ekliyor.
Yakın zamana kadar, Ng, Çinli teknoloji devi Baidu’nun baş bilim insanıydı ve burada farklı iş problemleri için derin öğrenme yaklaşımlarını uygulamayı amaçlayan bir enstitü kurulmasına yardım ediyordu.
Stanford ekibi, EKG verilerinde farklı aritmileri tanımlamak için bir derin öğrenme algoritmasını “eğitti”. Bazı düzensizliklerde, sinyal algılanması zor olabilir ancak bu durumlar, ani kalp krizi gibi ciddi sağlık sorunlarına neden olabilir. Bu nedenle hastalardan sıklıkla birkaç hafta boyunca bir EKG sensörü (Ritim holter) takmaları istenir. O zaman bile, bir doktorun normal düzensizlikleri ve tedaviyi gerektirenlerini ayırt etmesi zor olabilir.
Stanford araştırmacıları, EKG verilerinden gelen farklı düzensiz kalp atışlarını tanımlamak için bir derin öğrenme algoritmasını eğitti.
Araştırmacılar, taşınabilir EKG cihazları üreten bir şirket olan iRythm ile ortaklık kurdu. Farklı aritmi biçimlerindeki hastalarından 30.000 adet 30 saniyelik klips topladılar.
Algoritmaların doğruluğunu belirlemek için ekip, beş farklı kardiyoloğun, tanı konulmamış 300 klipsteki performansıyla karşılaştırdı. Bu sonuçları 3 kişilik uzman kardiyoloji ekibi değerlendirdi ve kesin sonuçlar elde edildi.
Derin öğrenme, büyük miktarda veriyi, geniş bir yapay sinir ağı içinde beslemeyi ve sorunlu EKG sinyallerini kesin olarak tanıyana kadar parametrelerini optimize etmeyi içerir. Bu yaklaşımın, görüntü ve sesteki karmaşık modellerin belirlenmesinde ustalığı kanıtlanmış ve insanüstü görüntü ve ses tanıma sistemlerinin geliştirilmesine yol açmıştır. Hem “machine learning” uzmanı hem de tıp doktoru olan Microsoft Araştırma Genel Müdürü Eric Horvitz’in de aralarında bulunduğu MIT ve Michigan Üniversitesi’nden iki farklı grup, aritmilerinin saptanması için makine öğrenimi tekniklerini uygulamaktalar.
Buna rağmen, ileriye dönük olarak bakıldığında, makine öğrenimi için çok sayıda farklı veri ile tarama yaparak, hastalık teşhis etme potansiyeli bulunmaktadır. Bununla birlikte, aşılması gereken önemli bir zorluk olarak doktorlar ve hastalar, mantıkları anlaşılamayacak kadar karmaşık olan algoritmalara güvenmek zorundalar. Derin öğrenme, özellikle “machine learning”in açık olmayan bir formudur ve onu daha açıklanabilir kılmanın yollarını bulmak, güven inşa etmek ve tedaviyi daha gelişmiş kılmak için önemlidir.
Yine de, Ng’nin bir devrimin gelmekte olduğuna dair hiç şüphesi yok. “Hala bu algoritmaları sağlık bakım sisteminin rutin akışına sokmak için çalışmalarımız devam ediyor.” diyor. “Bence bundan 10 yıl sonraki sağlık hizmetleri daha çok yapay zeka kullanacak ve bugünkü durumdan çok farklı görünecek.”
