Tıbbi teşhisin tarihi, titiz gözlem yoluyla yapılan bir yürüyüştür. Eski Mısırlı hekimler, ilk olarak hastaların idrarındaki örüntüleri gözlemleyerek idrar yolu enfeksiyonlarını teşhis ettiler. Kalp ve akciğer hastalıklarını teşhis etmek için, ortaçağ hekimleri fiziksel muayenenin temel unsurlarını eklediler: nabız, elle muayene ve perküsyon. 20. yüzyılda laboratuvar çalışmaları eklendi ve 21. yüzyılda ise gelişmiş görüntüleme ve genetik eklendi.
Ancak ilerlemelere rağmen, teşhis büyük ölçüde insani bir çaba olarak kaldı ve doktorlar sözde hastalık senaryolarına güveniyorlar – bir hastalığın ayırt edici özellikleri olan işaret, semptom ve tanı bulguları kümeleri. Tıp öğrencileri bu senaryoları ezberlemek için yıllar harcıyorlar, örneğin, kendilerini kalp krizi konusunda uyarabilecek elektrokardiyogram dalga ölçümlerindeki milimetrenin altındaki değişimleri tanımlamak için kendilerini eğitiyorlar.
Ancak insanlar elbette hata yapar. Bazen, yanlış teşhis, bir doktorun bir şeyi gözden kaçırması nedeniyle gerçekleşir — hastalık kalıpları senaryoya uyduğunda, ancak senaryo yanlış okunduğunda. Bu, tahmini olarak %15 ila %20 tıbbi karşılaşmaların. Diğer zamanlarda, yanlış teşhis, hastalığın bilinen kalıplarla uyuşmayan özelliklere sahip olması nedeniyle gerçekleşir — senaryoya uymazlar, örneğin kalp krizi belirgin semptomlar veya EKG bulguları olmadan gerçekleştiğinde.
Yapay zeka, yeterli finansal destek sağlandığı ve doğru şekilde kullanıldığı takdirde bu iki temel sorunun çözümüne yardımcı olabilir.
Öncelikle yapay zeka, doktorların teşhis hataları yapmasına yol açan yaygın faktörlere karşı daha az duyarlıdır: tükenmişlik, Birçok hastayı tedavi ederken zaman ve bilişsel bant genişliğinin eksikliğiboşluklar bilgi ve güvenerek zihinsel kısayollarHastalıklar senaryolara uysa bile, bilgisayarlar bazen hacimli sağlık verilerinin içinde gömülü detayları tespit etmede insanlardan daha iyi olabiliyor.
Doktorların hastalığı doğru ve zamanında tanımasını geliştirmek için AI kullanmak, yaşam ile ölüm arasındaki fark anlamına gelebilir. Örneğin iskemik inme, tıkalı bir atardamarın beyne kan akışını engellediği yaşamı tehdit eden bir acil durumdur. Beyin görüntülemesi tanıyı kesinleştirir, ancak bu görüntüleme bir radyolog tarafından hızlı ve doğru bir şekilde yapılmalı ve yorumlanmalıdır. Çalışmalar, AI'nın insanüstü desen eşleştirme yetenekleri sayesinde, görüntüleme yapıldıktan saniyeler sonra inmeleri tespit edebildiğini göstermektedir — onlarca dakika genellikle meşgul radyologlardan daha erken. Benzer yetenekler teşhiste gösterilmiştir sepsis, akciğer iltihaplanmasıakciğerlerde kan pıhtısı ((akciğer embolisi), Akut böbrek hasarı ve diğer koşullar.
İkinci olarak, bilgisayarlar doğru betikleri geliştirmediğimiz hastalıklar için yararlı olabilir. AI, aslında, insanların tanımlayamayacağı kadar ince yeni desenler kullanarak hastalıkları teşhis edebilir. Örneğin, kalbin kasının olması gerekenden daha fazla büyüdüğü ve sonunda kalp yetmezliğine ve bazen ölüme yol açan nadir bir genetik rahatsızlık olan hipertrofik kardiyomiyopatiyi düşünün. Uzmanlar, etkilenenlerin sadece %20'si teşhis ediliyorbir kardiyologla konsültasyon, kalp ultrasonu ve sıklıkla genetik test gerektiren bir süreç. Peki, geriye kalan %80'in nesi var?
Ülke çapındaki araştırmacılar, Mayo Kliniği ve UC San Francisco, yapay zekanın hipertrofik kardiyomiyopatiye yakalanma olasılığı yüksek hastaları belirlemek için daha önce fark edilmemiş karmaşık örüntüleri tespit edebileceğini gösterdi; bu, yapay zeka destekli algoritmaların rutin EKG'lerde bu durumu tarayabileceği anlamına geliyor.
AI, hastalığı olan ve olmayan birçok kişinin EKG'lerini inceledikten sonra bu kalıpları tanıyabildi. Ayrıntılı elektronik sağlık kayıtları, görüntüleme, genomik veriler, biyometri ve davranışsal veriler dahil olmak üzere sağlık verilerindeki hızlı büyüme, yapay zeka teknolojisindeki gelişmelerle birleştiğinde büyük bir fırsat yarattı. Verilerden kalıpları belirleme konusundaki benzersiz yeteneği nedeniyle AI, radyologların gizli kanserleri bulpatologlar karaciğer fibrozunu karakterize etmek ve göz doktorlarına retina hastalığını tespit etmek.
Bir zorluk, yapay zekanın pahalı olması, bilgisayar algoritmalarını eğitmek için büyük ölçekli veri ve bunu yapacak teknoloji gerektirmesidir. Bu kaynaklar daha yaygın hale geldikçe, ilişkili fikri mülkiyet korunması zor, bu ürünlere özel yatırımı caydırıyor. Daha genel olarak, teşhisler uzun zamandır cazip olmayan yatırımlar olarak görülüyor. Yaklaşık 300 milyar dolarlık araştırma ve geliştirme gören terapötik muadillerinin aksine yatırım bir yıl, teşhisler mütevazı bir şekilde 10 milyar dolar özel finansmanda.
Sonra, özellikle tıpta AI tabanlı araçların kullanımını kimin ödeyeceği sorusu var. İnme tespiti gibi bazı uygulamalar sigorta şirketlerine para kazandırır (maliyetli yoğun bakım ünitelerinde kalma ve ardından gelen rehabilitasyonu önleyerek). Bu teknolojiler daha hızlı geri ödeme alma eğilimindedir. Ancak hipertrofik kardiyomiyopati tespiti gibi diğer AI çözümleri, yeni tanımlanan kronik hastalıkları tedavi etmek için maliyetli alt akış tedavilerine daha fazla harcama yapılmasına yol açabilir. AI kullanımı bu gibi durumlarda bakım kalitesini ve uzun vadeli sonuçları iyileştirebilse de, sigorta şirketleri için finansal teşvikler olmadan geri ödeme ve dolayısıyla benimseme yavaş olabilir.
Yaşam bilimleri şirketleri nadiren de olsa şu konularda anlaşmaya varmışlardır: mali bakımdan beslemek AI tabanlı tanılamaların geliştirilmesi veya geri ödenmesi. Bu, açığı kapatmaya yardımcı olacaktır, ancak federal hükümetin daha büyük bir rol oynaması gerekebilir. Federal COVID tanısına destek pandemi sırasında kritik testlerin hızla geliştirilmesi ve kansere yönelik aya yolculuk projesi Ar-Ge'nin ilerlemesine yardımcı oldu tarama ve yeni tedavilerde.
Yeni tıbbi ufuklar için gereken ölçekte fon sağlamak genellikle zordur. Ancak Ulusal Tıp Akademileri tahmini Tıpta teşhisin iyileştirilmesiyle onlarca milyarlarca doların ve sayısız hayatın kurtarılabileceğini söyledi.
Yapay zeka buna giden bir yol sunuyor. Halihazırda çok sayıda hayat kurtaran insan uzmanlığını değiştirmek yerine, onu tamamlamalıdır. Tıbbi teşhisin geleceği, anahtarları yapay zekaya teslim etmek anlamına gelmiyor, bunun yerine bizim yapamadığımız şeyleri onun yapabileceği şekilde kullanmak anlamına geliyor. Yeterince yatırım yaparsak ve doğru yaparsak, bu teşhis için özel bir an olabilir.
Gaurav Singal, Harvard Tıp Fakültesi'nde bilgisayar bilimcisi ve doktordur Ve daha önce kanser teşhis şirketi Foundation Medicine'in baş veri sorumlusuydu. Anupam B. Jena, Harvard Tıp Fakültesi'nde ekonomist, hekim ve profesör ve “Tıbbi Gelişmelerin Rastgele Eylemleri: Doktorları Etkileyen, Hastaları Etkileyen ve Sağlığımızı Şekillendiren Gizli Güçler” ve Rastgele Tıp Eylemleri Substack.
Bir yanıt yazın