Yapay Zeka
Yapay zekâ sistemlerinin tıpta kullanılması konusunda dünya genelinde bir durum tespiti yapıldığında evet mi hayır mı aşaması çoktan geçilmiş, hayır deme imkânı kalmamış, oldukça kompleks ve zor olan ‘Nasıl bir büyük veri ve sağlık sistemi istiyoruz?’ sorusu karşımıza çıkmıştır.
Koruyucu ve önleyici sağlık, tanı, tedavi planlama ve takibi, karar destek sistemleri, dijital ikiz, rehabilitasyon, araştırma, ilaç geliştirme, hasta hizmetleri yönetimi, eğitim süreçlerinin %65’i 2025 yılına dek yapay zekâ içerir hale gelecek, hekimler milyonlarca verinin belli algoritmalardan geçtikten sonra bilgi olarak sunulduğu algoritmalar ile çalışacak, hatta tecrübe kavramı yeniden tanımlanacaktır.
2014 yılında sağlık uygulamalarında yapay zekanın 663.8 milyon dolar olan payının 10 kat artarak, 2021 yıl sonunda 6.662 milyon doları geçmesi bekleniyor.
Bilginin toplanması, yönetilmesi ve yorumlanmasına yönelik yeni veri havuzu oluşum süreci, büyük veri ve yapay zeka entegrasyonu, klinik karar vermenin yanı sıra müfredat geliştirilmesi, öğrenme analitiği ve öğrenme yönetim sistemleri, ölçme/değerlendirme, sanal gerçeklik simülasyon programları, klinik tıp eğitiminde etik, iletişim becerileri, empati ve liderlik gibi sosyal becerilerin öğretilmesi yapay zeka uygulamalarından destek alarak gelişmekte tıp öğrencileri ve hekimler için yapay zeka kullanımındaki yeterliliğe dayalı yeni roller ortaya çıkmaktadır.
Toplam sağlık verisi 2013 yılında 4 trilyon gigabyte iken, 2020 sonunda yottabyte seviyesine ulaşmış, hasta ve hekim arasındaki klasik güven-mahremiyet ise dilimlenip dijitalleşerek veri güvenliği-gizliliği süreçlerine evrilmeye başlamıştır. Teknolojiyi üreten firmalar, teknolojinin alıcısı olan devletler ve teknolojinin kullanıcısı doktorlar arasındaki dilimlenmenin getireceği etik ve hukuki anlamda çok boyutlu karmaşık sorunların çözümü ayrı bir çalışma alanıdır.
Tabipim platformu yapay zekanın sağlık hizmet sunumunu nasıl etkilediği ve gelecekte nasıl etkileyeceği öngörüsünün yanı sıra kullanım alanları, kısıtlılıkları ve olası kötüye kullanım yollarının aktarılması ile birlikte uygulama örneklerinin çalışma sistematiği ile anlatılması için oluşturulmaktadır.
Considering the level of usage of artificial systems in healthcare worldwide, one realizes that their results do since long exceed the “Yes” or “No” level, there is no chance anymore to deny that we are facing the most complex question of “how big data volumes shall be and how extensive health systems do we desire“.
By 2025, 65% of preventive and preventive health, diagnosis, treatment planning and follow-up, decision support systems, digital twin, rehabilitation, research, drug development, patient services management, education processes will be processed by artificial intelligence systems. Physicians will get information that arises from “processed by specific algorithms” big data with the result that the concept of “experience” will have to be redefined.(Maddox et al., 2019).
The share of artificial intelligence in health applications, which was 663.8 million dollars in 2014, is expected to increase 10 times and will exceed 6.662 million dollars by the end of 2021 (Akyel et al., 2021).
New methodologies in data collection, in management and interpretation of information, in integration of big data and artificial intelligence systems, in the specialized development as well as in clinical decision taking as well as in learning related analytics and management systems, in measurement/evaluation, in virtual reality simulation systems, in ethics and in clinical medical education, in communication and teaching of social skills such as empathy and leadership, will emerge with the support of artificial intelligence systems. The result of this process will be the necessity to define and establish new roles for students and doctors and will be based on adequate knowledge in the use of artificial intelligence systems (Imran et al., 2020).
While the total health related data was 4 trillion gigabytes in 2013, it reached the yottabyte level at the end of 2020, and the classical trust – privacy relation between the patient and the physician began to evolve phasically into data security – privacy relation through digitilization.
The complex ethical and legal problems that are arising from this phasic evolution of the relation between the companies that produce the technology, the states that buyers the technology, and the doctors that use the technology, is a separate field of study.(Aminololama-Shakeri et al., 2018).
The Tabipim platform is created to explain how artificial intelligence affects health services delivery and how it will affect it in the future but as well to explain its usage areas, its limitations and possible ways of abuse thus to create application examples based on a systematic work process.
