Yapay Zeka, hastane ölümlerini azaltabilir mi?
Sepsis vücutta bir enfeksiyon varlığında bu enfeksiyona karşı vücudun verdiği abartılı reaksiyondur. Vücutta herhangi bir bölgede enfeksiyon varlığında bağışıklık sistemi reaksiyon göstermeye başlar. Bunu takiben eğer erken tedaviye başlanmazsa organ yetersizlikleri, şok ve ölüm kaçınılmazdır. Bu reaksiyon abartılı ve kontrolsüz olursa vücudun diğer doku ve organlarına zarar vermeye başlar.*
Duke Üniversitesi’nde geliştirilen bir derin öğrenme (Deep Learning) modeli olan Sepsis Watch tam da bu ölümlerin azaltılabileceğini ortaya koyan bir çalışma.
Kasım 2018’de Duke Üniversitesi Sağlık Sisteminin acil servisinde yeni bir derin öğrenme aracı aktif hale geldi. Sepsis Watch olarak adlandırılan bu saat, doktorların dünya çapında hastane ölümlerinin önde gelen nedenlerinden birinin erken belirtilerini tespit etmelerine yardımcı olmak için tasarlandı.
Sepsis, bir enfeksiyon tüm vücut iltihabını tetiklediğinde ve nihayetinde organların kapanmasına neden olduğunda ortaya çıkar. Yeterince erken teşhis edilirse tedavi edilebilir, ancak bu herkesin bildiği gibi zor bir görevdir çünkü semptomları kolaylıkla başka bir hastalığın belirtileriyle karıştırılabilir.
Üç buçuk yıllık geliştirmenin ürünü olan Sepsis Watch varolan durumu değiştirdi. Sağlık kayıtlarının dijitalleştirilmesi, 32 milyon veri noktasının analiz edilmesi ve bir iPad uygulaması biçiminde basit bir arayüz tasarlanması dahil gerçekleştirilen süreç sonunda hastaların saat bazında sepsis geliştirme olasılıkları açısından puanlanarak durumları tespit edilebilir hale geldi. Tespitten sonra orta ve yüksek riskli hastaların işaretlenmesi ile doktorların hastayla daha hızlı ilgilenmesi söz konusu oldu.
Aracın tanıtılmasından bu yana geçen iki yıl içinde, Duke Health’in hastane yöneticileri ve klinisyenlerinin anekdot niteliğindeki kanıtları , Sepsis Watch’un gerçekten işe yaradığını ortaya koydu. 2021’de sonuçlarını paylaşması beklenen federal olarak kayıtlı bir klinik araştırmanın parçası olan çalışma Sepsis kaynaklı hasta ölümlerini önemli ölçüde azalttığı kanıtlandı.
İlk bakışta bu, büyük bir teknik zafer olarak görünen yapay zeka modeli, dikkatli geliştirme ve testler yoluyla , doktorların hastalığı teşhis etme becerisini başarıyla artırdı. Ancak Data & Society adlı bir araştırma enstitüsünden yayınlanan bir rapor, bunun hikayenin sadece yarısı olduğunu söylüyor. Diğer yarısı, geliştirilen bu aracın projeyi yöneten klinisyenlerin, günlük iş akışlarına entegre etmek için gerekli çabayı göstermesi şeklinde nitelendirilebilir. Bu, yalnızca yeni iletişim protokolleri tasarlamayı ve yeni eğitim materyalleri oluşturmayı değil, aynı zamanda işyeri politikaları ve gerekli dinamiklerini yönlendirmeyi de içeriyor.
Çalışmayla ilgili yapılan örnek olay incelemesi, yapay zeka araçlarının gerçek dünyada başarılı olmasının gerçekte ne gerektirdiğinin bir yansımasıdır. Yapay zekanın etkisini inceleyen bir kültürel antropolog olan yazar Madeleine Clare Elish, ‘Gerçekten karmaşıktı’ diyor. Elish, projenin bir yazılım şirketinden paraşütle atlayan teknoloji uzmanları yerine Duke Health’in kendi klinisyenleri tarafından yönetilmesinin de bir fark yarattığını söyleyerek ekliyor. ‘Değerlendirilmesi veya insanlar tarafından kullanılması amaçlanan tüm makine öğrenimi sistemleri, akılda sosyo-teknik kısıtlamalara sahip olmalıdır. Açıklanabilir bir algoritmanız yoksa, başka yollarla güven oluşturmanız gerekir’.
Elish, Sepsis Watch ile ilgili vaka çalışmasının, araştırmacıları tıbbi AI araştırmalarına ve AI geliştirmeye genel olarak nasıl yaklaşacaklarını yeniden düşünmeye ikna etmesini umuyor. Şu anda yapılan işlerin çoğu, ‘yapay zekanın teoride ne olabileceği veya yapabileceği’ üzerine odaklanıyor . Gerçekte neler olduğu hakkında çok az bilgi var. Ancak yapay zekanın düşünüleni yapması için, insanların teknik geliştirme kadar sosyal entegrasyon hakkında da düşünmesi gerekiyor.
Sepsis ve benzer çalışmalar ciddi soruları da gündeme getiriyor diyen Elish, ‘Sorumlu yapay zeka, yerel ve özel bağlama dikkat kesilmelidir, eğitimim bana bir şeyi tek bir yerde geliştirip sonra başka bir yerde sunamayacağınızı öğretiyor. Dolayısıyla asıl zorluk, geniş ölçekte çalışmaya çalışırken bu yerel özelliği nasıl koruduğumuzu anlamaktır. Yapay zeka araştırmaları için bir sonraki sınırın bu ”diye ekliyor.
Proje sayfası : Sepsis Watch: the implementation of a Duke-specific early warning system for sepsis
Kaynak : https://www.technologyreview.com/2020/10/02/1009267/ai-reduced-hospital-deaths-in-the-real-world/ by Karen Hao
* https://www.birunihastanesi.com.tr/2154/
Kısaltılarak çevirilmiştir.
