Deena Mousa'nın yazdığı gibi Devam etmekte Artık herkesin tereddüt etmeden tekrarlayabileceği bir noktaya değindi: “Yapay zeka radyologların yerini almayacak.” Hindistan'ın en büyük tanısal yapay zeka ağına liderlik ediyorum. Borsayı devralması gereken sistemleri kullanıyoruz ve bunları her gün on binden fazla çalışmayı taşımak için kullanıyoruz. Oturduğum yerden başlık farklı. Yapay zeka başarısız olmaz. Onu kullanan insanlarla birleşir. Tıpta bir sonraki bölüm, algoritmik hızın ve insan yargısının gerçek zamanlı olarak birbirlerinden öğrendiği hibrit zekadır.
Radyoloji bu füzyonu en açık şekilde göstermektedir. Yıllar geçtikçe hepimiz otomasyon adaları inşa ettik. Nodüller için bir model. Plevral efüzyon için bir tane daha. Konsolidasyon için bir tane daha. Her ada gösteri yaptı, hiçbiri birlikte tartışmadı. Üretimde adaları güvenilir bir zincir halinde birleştirmek hassas bir iştir. Bir çalışma noktasını değiştirdiğinizde aşağı akış mantığı bozulur. Çıkış yolu artık adalar değil. Bunlar, tüm çalışmayı bir bağlam olarak gören ve tutarlı bir sonuç sağlayan çok modlu büyük resim modelleridir. Alanın sonunda gittiği yer orası.
Bunu uygulamaya koyduğunuz zaman şöyle oluyor. Makine desenleri büyük ölçekte ve asla kaybolmayan bir hafızayla işaretler. Radyolog bu sinyali klinik tabloya ve lokal hastalık yüküne göre test eder. Düzeltme birkaç saat içinde sisteme geri gönderilir, böylece bu modelin bir daha ortaya çıkması durumunda model bunu ilk önce algılar. Bu döngüde insanlar ve makineler rekabet etmez. Birlikte daha da gelişirler.
İktisat da aynı hikayeyi anlatıyor. Görüntü düzenlemede üretkenliği artırırsanız pazar küçülmez. Onu genişletiyorlar. Ayakta tedavi görüntüleme hacimlerinin önümüzdeki on yıl içinde artmaya devam edeceği, standart ayakta tedavi görüntülemenin yaklaşık yüzde on, gelişmiş görüntülemenin ise yaklaşık yüzde on dört oranında artacağı öngörülüyor. Gerçek dünyada esneklik böyle görünür. Bir iş birimini daha hızlı ve daha tutarlı hale getirdiğinizde, maliyet, erişim veya personel sınırlamalarının gerisinde kalan talebin kilidini açarsınız. Radyoloğu haklı çıkaramayan kırsal merkezler vakaları dışarı göndermeye başlıyor. Belediye hastaneleri görüntülemeyi günlük programlara dahil ediyor. İşverenler ve sigortacılar, bir zamanlar uygunsuz görünen protokollere taramalar ekliyor.
Bu koalisyonun meslek için neden önemli olduğunu anlamak istiyorsanız radyologların gerçekte zamanlarını nasıl harcadıklarına bakın. İş gününün yalnızca üçte biri yalnızca görüntüleri yorumlamakla geçiyor. Geri kalanı protokol tasarımı, iletişim, kalite güvencesi, yönetim kurulu toplantıları ve katılması önemli olan ancak piksel düzeyinde model bulmayı gerektirmeyen uzun bir görev listesinden oluşur. Yapay zeka radyolojinin özü için bir tehdit oluşturmuyor çünkü desen tanıma hiçbir zaman tek görev olmadı. Yapay zekanın yaptığı şey mekanik parçaları çıkarmak ve bir seçim yapmaya zorlamak. Yüksek hacimli normal çalışmaları izleyebilir ve verimi yönetebilirsiniz. Veya klinik korelasyon, tümör kurulları, cerrahi planlama ve hasta konsültasyonları gerektiren vakalara odaklanabilirsiniz. İkinci yol ise döngü sıkılaştıkça değerin birikmesidir.
Bu noktada Deena Mousa tartışmasının güncellenmesi gerekiyor. Yapay zekanın radyologların yerini almayacağını söylemek doğru ve eksiktir. Daha ilginç olan gelişme ise radyologların biyonik uzmanları haline gelmesidir. Parça klinisyeni, parça sistem tasarımcısı, görüntüyü okuyan makinenin parça okuyucusu. Bu değişiklik halihazırda birçok departmanda devam ediyor. Bunu radyologların rapor yazmak, önceliklendirme listeleri ve yakın takip döngüleri yazmak için kullandıkları günlük araçlarda görebilirsiniz. Onaylanan yapay zeka cihazlarının çoğunluğunun tıbbi görüntüleme alanında olduğu ve ivmenin klinik iş akışına kusursuz bir şekilde uyum sağlayan karar desteğine doğru ilerlediği düzenleyici ortamda da bunu görebilirsiniz.
Makine, insanın göremediğini gözden kaçırdığında, hibrit zekanın geldiğini bilirsiniz. Bu, ortaklığın açıkça ortaya çıktığı andır. Model hızlı, yorulmak bilmez ve tutarlıdır. Doktor bağlamsaldır, şüphecidir ve sorumludur. Birlikte daha az hata yaparlar, rutin işleri daha hızlı tamamlarlar ve karmaşık vakaların gerektirdiği ilgiyi kazanırlar.
Dolayısıyla soru artık yapay zekanın herhangi birinin yerini alıp almayacağı değil. Daha iyi soru, öğrenmenin asla durmadığı sistemlerde pratik yapmaya istekli olup olmadığımızdır. Radyolojide bu, sürekli veriler, hızlı değerlendirme, konuma dayalı eşikler ve üç ayda bir değil günlerle ölçülen model güncellemeleri için bir altyapı oluşturmak anlamına gelir. Bu, yalnızca sonuçlarını onaylamakla kalmayıp, bir algoritmayı rahatlıkla gözden geçirip ayarlayabilecek klinisyenlerin eğitilmesi anlamına gelir. Onlar, zamanla fayda sağlayacak tesisatlara yatırım yapan liderlerdir.
Asıl sorun budur. Yapay zeka radyologlara göre değil. Tıbbın mekanik, yalıtılmış ve öğrenmesi yavaş olan kısımları için geliyor. Hibrit zekayı ne kadar erken bir çalışma modeli olarak benimsersek, yalnızca insanların yapabileceği işlere o kadar çabuk odaklanabiliriz.
Bu makale 5C Network Kurucusu ve CEO'su Kalyan Sivasailam tarafından yazılmıştır.
Bir yanıt yazın