Radyolojide Dijitalleşme ve Yapay Zekâ
Uzman Dr. Mehmet Ali GEDİK
Radyoloji Uzmanı
- 1940’lı yıllarda dijital programlanabilir bilgisayarın icadı ile beraber; matematik ve fizikçiler de makinaların ne yapabileceği ile ilgili fikirler oluşmaya başladı. Makineler düşünebilir miydi? Makineler insanların yaptıklarının ne kadarını yapabilirdi?
- 1956 yılında Dartmouth Üniversitesi’nde bir konferans toplandı. Yapay Zekâ terimi ilk defa bu konferansta kullanıldı. 1960’larda yapay zekâya olan ilgi yavaşça azaldı. Çünkü çok fazla işlem gücü ve maliyet gerektiriyordu.
- 2000’lerde IBM firmasının derin mavi (deep blue) bilgisayarının satrançta, Google firmasının deepmind yapay zekâ uygulamasının Çin geleneksel oyunu Go da dünya devlerini yenmesiyle yapay zekâya olan ilgi yeniden alevlendi.
- Son 20 yılda bilgisayarlarda paralel işlem güçlerinin yeterince artması, donanım maliyetlerinin azalması, yeni yapay zekâ altyapılarının geliştirilmesi ve en önemlisi yaygın büyük veriler oluşması sonucu yapay zekâ araştırmalarında patlama yaşanmıştır.
- Son zamanlarda internetin hayatımıza girmesi ve dijitalleşme ile birlikte büyük şirketlerde ve devletlerde inanılmaz boyutlarda, büyük veri olarak isimlendirilen veriler birikti. Büyük verinin biriktiği tüm sektörlerde ve sağlık alanında Radyolojide yapay zekâda ve özelinde derin öğrenme yöntemlerinde büyük gelişmeler yaşanmaktadır. Dijitalleşmede öncü branşlardan radyoloji, yapay zekâ uygulamalarında da öncü ve lider olacaktır.
- Radyolojide dijitalleşme ile tele radyoloji de hayatımıza girmiştir. Ülkemizde hastanelerde çekilen Bilgisayarlı Tomografi ve Manyetik Rezonans tetkikleri eskiden filme basılıp negatoskop cihazlarında okunurken, günümüzde hastane bilgi sistemlerinde veya bulut bilgi sistemlerinde dijital olarak depolanmakta ve bu sistemlere erişebilen tüm bilgisayarlar ile mekândan bağımsız değerlendirilebilmektedir. Kars ilinde çekilen bir film Ankara ilinde hatta dünyanın herhangi bir ülkesinde internet üzerinden değerlendirilip raporlanabilmektedir.
- Tele radyoloji dünyası 2020 yılı itibariyle dünyada 7,6 milyar dolarlık bir pazar hacmine ulaşmıştır. Pandemi sonrası 2023’te bu pazar hacminin 20 milyar doları geçmesi beklenmektedir.
- Yapay zekânın alt dallarından derin öğrenme ve Nöral Ağlar insan sinir hücrelerinin çalışma şeklini taklit ederek çalışan katmanlı yapay zekâ uygulamalarıdır. Özellikle resim ve dil işlemede yeni bir çağ açmıştır. Bu ağların eğitilmesi için devasa veriler gereklidir. Örneğin DeepFace uygulaması Facebooktaki 4030 kişinin 4,4 milyon resminden oluşan veri seti üzerinde eğitilmiştir. DeepFace yüz tanımada nerdeyse insanlar kadar başarılıdır.
- Derin öğrenme yöntemleri ile radyolojide hemen her alanda yapılan çalışmalarda patlama yaşanmıştır. Röntgen filmlerinde kırık saptama, çocuklarda röntgenlerden kemik yaşı tespiti, akciğerde nodül ve kitle tespiti, meme kanseri taramasında mamografi değerlendirmesi, Tomografi ve Manyetik Rezonans tetkiklerinde organ spesifik kitle taramaları verilebilecek örneklerden birkaçıdır. Kemik yaşı tespitinde ve mamografi filmlerinde kitle taramasında hekimlerden daha başarılı sonuçlar elde edilmiştir. Bu tetkiklerde hekim ve yapay zekâ desteği birlikte en başarılı sonuçları vermektedir.
- Derin öğrenme yöntemleri ile eğitilen algoritmalar bir araya getirilerek karar destek sistemlerini oluşturmaktadır. Karar destek sistemleri doktorların iş akışını kolaylaştıracak, değerlendirilecek filmlere ön bakı yaparak öncelikli olanları belirleyecek, her filme harcanan zamanı azaltacak ve film kalitelerini arttırabilecektir. Hekimler daha az zaman harcayarak daha fazla film değerlendirecek, daha doğru tanılar verecek ve daha az yorulacaktır.
- Yapay zekâ uygulamaları için derin öğrenme metotlarının eğitilmesi gereklidir. Diğer taraftan Radyoloji eğitim sürecinde kişiye özel uygulamalar için yapay zekâ yöntemlerinden yararlanılmaktadır.
- Radiomics ise kısaca Tomografi veya MR filmlerinden kitle lezyonların natürünü değerlendirmede yeni bir yöntemdir. Patologların mikroskop altında yaptığı kitle alt tipi değerlendirmesini dijital görüntüler üzerinde yapmaktadır. Bu alanda yapılan yoğun çalışmalar meyvesini verdiğinde biyopsi yapmadan Tomografi veya MR filmlerinden kitle alt tipi belirlenebilecektir.
- Yapay zekâ radyologların yerini mi alacak? Radyologlara gerek kalmayacak mı? Günümüzde sıkça duyduğumuz bu sorulara kısa vadede verilecek cevap ise “Hayır”. Yakın gelecekte karar destek sistemleri ile tanı koyma süreçleri hızlanacak, tanı doğruluk oranları artacak, sağlıkta maliyetler azalacak, bundan hem hastalar hem de hekimler fayda görecektir. Ama kim bilir bir gün bilim kurgu filmlerinde izlediğimiz hastanın cihaz içerisine girdiği, makinanın tanıyı koyup anında hastayı tedavi ettiği sistemler belki gerçek olur.