“Yapay zekâ, insanlar daha hastalanmadan onları uyaracak”

Stanford Üniversitesi Çocuk Hastanesi Bilgi İşlem Departmanı’nda üst düzey yöneticilik yapan Işıl Arıcan ile ilerleyen teknolojilerin tıp alanında nasıl karşılandığına dair konuştuk.

Kurucusu olduğu internet sayfası yalansavar.org’dan da tanıyabileceğiniz Arıcan, yapay zeka (Al), makine öğrenimi ve veri güdümlü teknolojilerin tıp alanında nasıl fırsatlar sunduğuna, yaşanan heyecana ve beraberinde bazı etik sorun ve endişelere şöyle değindi:

Şimdiye dek tıbbi kararları alırken sadece hastanın gözle görebildiğimiz belirtilerine veya belirli anlarda istediğimiz laboratuvar tetkiklerine bakıyorduk. Hekim olarak bu verileri kafamızda toplayıp kendi mesleki deneyimlerimiz ve muhakeme yeteneklerimizle bir sonuca varmaya çalışıyorduk.

Yapay zeka ve gelişen teknolojiler sayesinde artık bu mesleki deneyimlerimize ek olarak çok daha fazla aracı kullanarak hastalarımıza yardım etme şansına sahibiz. Teknoloji ile bütünleşen tıp bize çok daha fazla veri ile, kendi hastamızın verileri dışındaki diğer kümülatif veri ve deneyimi de kullanarak daha iyi tanı koyma, hastalarımızı daha iyi tedavi edebilme imkanı sağlama potansiyeline sahip.

Bu nedenlerden ötürü genel olarak tıp dünyası gelişen teknolojiden heyecan duyuyor, ama özellikle yapay zeka ve kümülatif data söz konusu olduğu için bu heyecan beraberinde bazı etik sorun ve endişeleri de beraberinde getiriyor. İşin iyi yanı bu konuya kafa yoran ve bu etik sorunlar daha ortaya çıkmadan gerekli önemleri de almaya çalışan muhtelif gruplar mevcut.

Örneğin bu yıl mart ayında Stanford Üniversitesi Tıp Fakültesi’nden bir grup araştırma görevlisi NEJM (New England Journal of Medicine)’da bu konuya eğilen bir makale yayımladı. Burada belli başlı dile getirilen endişeler şunlar: Algoritmaları yaratacak veri toplanmasında yanlılık (bias) nedeniyle algoritmaların hatalı ve yanlı sonuçlar vermesi, hekimlerin kendi deneyimlerini bir yana bırakarak detayları ve hesaplama kriterlerini bilmedikleri bu algoritmalara fazla ehemmiyet vermesi ve bu nedenle olası hataları görmezden gelmesi, bu denli teknoloji kullanımı ile sağlık hizmetinde insan vurgusunun azalıp hizmetin ve hasta hekim ilişkisinin daha da mekanik hale gelmesi, olası mahrem bilgilerin daha geniş kullanıcılara açılması ile olabilecek sorunlar.

“Bu endişelere rağmen genel olarak tıp dünyası bu konuda çok heyecanlı. Tek bir doktorun görmesi, toplaması ve anlamlandırmasının mümkün olmadığı bir veri derinliği şimdiye dek görmediğimiz, kaçırdığımız pek çok durumun erken fark edilmesine, bu vakalarda erken tanı ve tedaviye yardımcı olacak diye düşünüyoruz.

Bir gün makineler ilacın önüne geçebilecek mi? Ortak görüş ne yönde?

Makinelerin ilacın önüne geçebileceklerini, ya da daha doğrusu aralarında bir yarış olacağını düşünmüyorum, en azından kısa sürede.

İlaçları genelde vücuttaki biyokimyasal süreçleri değiştirmek ya da düzenlemek için kullanıyoruz. Şu an herhangi bir bilişim sistemi ile bunu sağlamaktan çok uzağız. AI ve benzer teknolojiler daha çok ve öncelikle tanı koydurucu ve tedavi yöntemi seçici araçlar olarak karşımıza çıkacaklar öncelikle. Herhangi bir hastalığın tanısının erken hatta bazen öngörü modelleriyle ortaya çıkmadan konabilmesi, ve tanı konan kişiye yapılacak hangi müdahalenin o kişi açısından en doğru seçim olacağı konusunda AI bize çok ciddi potansiyel paradigma değişimleri sunacak.

Kısaca uzun vadede makinelerle daha iyi ve özelleşmiş ilaçların işbirliği var gelecekte bence.

Tıpta yapay zeka?

Tıpta yapay zeka kullanımının müthiş bir potansiyeli olduğunu düşünüyorum. Pek çok farklı ekipler görüntüleme yöntemleri, genetik tanı, elektrodiyagnostik yöntemler, vital bulguların (solunum, kalp hızı, tansiyon gibi) gözlenmesi, toplu taramalar ve öngörü modelleme gibi farklı alanlar üzerinde çalışıyor.

Birkaç örnek verecek olursam, örneğin şu an aktif kullanımda olan ve cep telefonu ile çekilen ben fotoğraflarından olası cilt kanseri (malign melanom) tanısı koyan bir uygulama mevcut. Bu uygulama makine öğrenimi ile melanom olan benleri tanıyıp yeni verilen görüntüyü yapay zeka ile öğrendiği kriterlere göre analiz etme yetisine sahip.  IBM Watson bilgisayarı farkı görüntüleme yöntemlerini kullanarak kanseri erken tanıyabilecek bir sistem üzerinde çalışıyor ve ilk bulgular da gayet olumlu.

Gene benzer şekilde gözdibi fotoğraflarını analiz eden bir yapay zeka programı hastalarda diyabetik retinopati gelişip gelişmediğini söyleyebiliyor. Bu yöntemlerin çoğunda doğru tanı koyma oranı yüzde 90’ın üzerinde bulundu ki bu, insan olan hekimlerin tanı başarısından daha yüksek.

Burada muhtemelen inme/felç konusunda yapılan çalışmalardan da bahsetmek yerinde olur. Beyin felcinde (inme) erken tanı hastalığın gidişatını çok etkileyen bir durum. Erken müdahale hastada az sekel kalmasının en önemli kriteri ancak erken tanının bu denli önemli olduğu bu durumda ancak beyin hücreleri enfarkt nedeniyle öldükten sonra hasar gören alan tomografide ayırd edilebilir olmaya başlıyor. Oysa hücreler ölmeden hastanın beyin felci geçirdiğini anlayıp müdahale etmek çok büyük avantaj.

Şu anda bu konuda çalışan bir ekip mevcut ve fuzzy logic ile nöral network kullanarak geliştirdikleri algoritma ile beyin felcine yüzde 80 civarında başarı oranı ile henüz doktor gözüyle ayırt edilebilecek bir belirti yokken tanı koyabiliyorlar.

Gelişmiş ülkelerdeki yaşlı nüfusun nüfusa oranı artarken pek çok firma da yaşlıların yaşantısını kolaylaştıracak, onların uzun vadede daha sağlıklı ve kendilerine yeter halde yaşamalarına yardımcı olacak teknolojiler geliştirmeye çalışıyor. Mesela yaşlı insanların üzerlerine taktıklar fitbit benzeri aletler aracılığı ile yürüyüş analizlerini toplayan ve düşme risklerini öngören uygulamalardan, yaşadıkları mekandaki hareket örgülerine bakıp bunama durumlarını erken saptamaya yönelik öngörüler yapan pek çok uygulama ya mevcut ya da geliştirilme aşamasında.

Peki, yapay zeka ile nasıl tanı konuluyor?

Farklı uygulama ve tekniklerin farklı yöntemleri var. Biraz önce kimi görüntüleme yöntemlerinden bahsettim. Örneğin ciltteki ben resimlerinden kanser tanısı koyan uygulama deep learning ile Dermatolojik Resim kütüphanesindeki muhtelif cilt lezyonlarına ait resimler kullanılarak eğitilmiş. Araştırmacılar 129.450 lezyon resmini ve bu resimlerin ait olduğu 2032 değişik klinik tanıyı kullanarak kurdukları deep learning sistemini eğitmişler. Sonrasında bu sistemden çıkan sonuçlarla, 21 klinik dermatologun görüşleri ve lezyonların aslından alınan biyopsi sonuçlarını karşılaştırmışlar. Kurdukları sistem, gerek doktorların tanısından çok daha güvenilir sonuçlar vermiş.

Bu müthiş bir şey. Bugün cilt kanserinin en yaygın kanserlerden biri olduğunu düşünecek olursak, artan cep telefonu kullanımı ile 2020 yılında hemen herkesin ( ki 6.5 milyar kişide akıllı telefon olacağını  tahmin ediyoruz) kendi kendine cilt ve ben taraması yapacağını öngörebiliriz.

Bir de direkt tanı öngörü modelleme uygulamalarında bahsedebiliriz. Bunlar daha klinik durum ya da hastalık ortaya çıkmadan risk altındaki kişileri saptamak için kullanılan yöntemler. Örneğin, astım hastası olan birinin üzerinde taşıdığı fitness cihazlarından gönderilen ölçümler, meteoroloji merkezlerinden gelen havadaki kirlilik ve polen oranları, kişinin yaşadığı yerin posta kodu gibi verilerin birlikte değerlendirilmesi sonucu bir kişinin astım atağı geçireceğini daha geçirmeden tahmin eden ve o kişinin erken doktora gitmesini sağlayan öngörü modelleri mevcut. Sadece astım için değil, başka hastalıklarda da benzer öngörüler sıklıkla kullanılmaya başlanacak. Bu tip sistemler insanlar daha hastalanmadan ya da hastalandıklarını fark etmeden onları uyararak hem daha çabuk iyileşmelerini sağlayacak sistemler, hem de sağlık harcamalarını daha iyi kontrol altına alacak yöntemler.

“İnsan deneyimi, tıp alanında sıklıkla teknolojik gelişmelerin yanında ve hatta sıklıkla önünde yer almalı” deniliyor. Neden?

Teknolojinin faydaları ve bu faydaların cazibesi yadsınamaz, bunlar hepimizi heyecanlandıran şeyler. Ancak elbette ki hasta hekim ilişkisinde insan faktörü çok ama çok önemli. Hepimiz doktora gittiğimizde dinlenmek, dikkate alınmak istiyoruz. Doktorla olan iletişimimizin kişiye özel ve odaklı olmasını arzu ediyoruz. Teknoloji ne kadar gelişirse gelişsin, hasta hekim ilişkisinin yerini alamaz diye düşünüyorum. Hastaya kötü bir haberi vermek, onun endişelerini giderebilmek, onun isteklerini dinleyip var olan tedavi alternatifleri arasından hastanın yaşam tarzı istek ve arzularıyla en uygununu seçmek için insan sıcaklığına ihtiyacımız var. Çok uzun bir süre de olacak. Bu nedenle doktorların AI ile ortak ve birlikte çalışacaklarını, AI araçlarının doktorlara yardımcı olacak ama yerlerini almayacak araçlar olacağını öngörüyorum.

Eski kuşak hekimler her tür bilgi işlem teknolojisine hasta hekim ilişkisini bozacak diye şüpheyle yaklaşıyor. Ancak hasta hekim ilişkisi zaten ödeme sistemleri ve bürokrasi nedeniyle zedelenmiş durumda. Hekimler çok fazla sayıda hastaya bakıyor, hekimlik görevleri dışında muhtelif form doldurma, kayıt tutma, sekretarya işlerini de yükleniyorlar. Bu açından bakılırsa aslında AI hekimlerin üzerindeki bu ilave yükleri de kaldırıp hekimlerin hasta ile daha yakından bire bir ilgilenmesini sağlayabilir, endişelerin aksine tıbbın daha insani olmasına yardımcı olabilir.

Bu sistemleri nasıl konumlandıracağımız tamamen bizim elimizde. Umuyorum ki sağlık yöneticileri geçmişteki hatalardan ders alarak bu yeni teknolojileri tıbbın sadece teknik yönlerini değil insani yönlerini de geliştirecek şekilde uygulamaya alacaklar.

Siz, iki kelimede doktorunuzu nasıl tanımlardınız?

Ben hasta hekim ilişkisi konusunda ( biraz da bu konulara kafa yoran biri olarak) çok hassas bir insanım. Modern tıbbın en zayıf yerinin hasta hekim ilişkisinin robotlaştırılmış olması olduğunu düşünüyorum, zaten aslında boş umutlar ve plasebo dışında hastalara verebileceği hiçbir şey olmayan alternatif tıp uygulamalarının da en güçlü olduğu nokta burası. İnsanlar doktorları konuşurken yüzlerine baksın, onları dinlesin, onlarla ortak çalışsın istiyorlar. Artık hastasına efendilik taslayan, hastasını azarlayan doktor devri geçti. Böyle davranan doktorlar ve bu doktorları barındıran sistemler zamanla yok olacak, insanlar diğerlerini tercih edecek çünkü. Bu nedenle yavaş yavaş tüm doktorların kendilerini daha hümanist yaklaşıma hazırlaması, karar merciinin kendileri değil hasta olduğunu ve hasta hekim ilişkisinin bir ortaklık olduğunu anımsaması lazım.

Ben de bu konuda kendi üzerime düşeni yapıyorum. Dinlemeyi bilmeyen, hasta hekim ilişkisi kuramayan doktora gittiysem bir daha asla geri dönmüyorum. Şu anki doktorum harika bir insan, hem bilgili hem alçakgönüllü, hem dinlemeyi biliyor hem yol gösterebiliyor.

İki kelime ile doktorumu ve hatta ideal doktoru tanımlayacak olursam: Dinleyen ve dikkatli derdim.

Son soru: ABD, sağlık alanında en çok para harcayan ülke olmasına rağmen neden ortalama yaşam beklentisi düşüyor?

ABD, sağlık alanında en çok para harcayan ülke olmasına rağmen sağlık sistemi ve politikaları konusunda Dünya’nın çok gerisinde. ABD’deki tıp harcamalarının yüksek olmasının bir nedeni burada çok ileri teknolojinin mevcut olması. Ancak bu ileri teknoloji genelde ileri hastalık evrelerinde devreye giriyor, yüksek meblağlarla son teknoloji ile tıbbi girişimler uygulanıyor. Ciddi ve ileri hastalık tedavisinde ABD genel olarak iyi, ancak koruyucu hekimlik ve birinci basamak sağlık hizmetinde oldukça kötü. Devlet tarafından sağlanan bir sağlık güvencesi olmaması, yaşlılar ve fakirler haricindeki herkesin sağlık güvencesini işverenleri ve özel sağlık sigortası şirketlerinin veriyor olması ABD’deki birinci ve ikinci basamak tıp hizmetini sekteye uğratan bir durum. Örneğin kişi diyabet hastası ise çalıştığı süre boyunca firmasının üzerinden aldığı özel sağlık sigortası sayesinde ilaçlarının bedelini ( ki o da kısmen) alıyor, ama hasbelkader işsiz kalırsa sigortasız da kaldığı için ilaçlarını alamaz oluyor. Sonuç olarak şeker komasına girip hastaneye yatıyor ve aslında basit bir ilaçla önlenebilecek bu durum nedeniyle ortaya binlerce dolarlık sağlık masrafları çıkıyor.

Sağlık sistemindeki bu örnek ve benzerleri haricinde toplumda artan obezite, kötü beslenme, hareketsizlik gibi diğer etmenler de genel sağlık harcamalarının artmasına ve yaşam beklentisinin düşmesine neden olan durumlar.

Işıl Arıcan kimdir?

1996 yılında Ege Üniversitesi Tıp Fakültesi’nden mezun oldu. Muhtelif sağlık kuruluşlarında hekimlik ve sağlık sektöründe yöneticilik yaptıktan sonra 2006 yılında Fransa’da Dünya Anti-Aging Derneği bünyesinde düzenlenen eğitim programına katıldı ve buradan Anti-Aging & Wellness sertifikası aldı. 2008 yılında ABD’ye yerleşti, burada California State Üniversitesi’nde Sağlık Bilişimi odaklı Sağlık Yöneticiliği yüksek lisansını tamamladı.  Yüksek lisansı takiben danışman olarak Silikon Vadisi ve San Francisco çevresindeki pek çok sağlık kurumuna sağlık bilişimi, sağlık yönetimi ve sağlık sektöründe liderlik konularında destek verdi. 2014 yılından beri Stanford Üniversitesi Çocuk Hastanesi’nde Klinik Bilgi İşlem Direktörü olarak çalışmaktadır. Çalıştığı belli başlı konular klinik verilerin sağlık hizmet kalitesini artırmadaki rolü, sağlık verilerinin toplum sağlığını iyileştirmedeki yeri, sağlık verileri ile öngörü (predictive diagnostics) ve koruyucu hekimlik, mobil teknolojilerin dijital sağlık hizmetlerindeki rolü ve bilgi işlem destekli hasta – hekim iletişimidir.

Profesyonel çalışmalarının yanısıra, Türkiye’de eleştirel düşünce alışkanlığı ve bilim okur yazarlığını yerleştirmek için de çalışmalar yapan Dr. Işıl Arıcan, Yalansavar isimli eleştirel düşünce ve bilimsel skeptisizm konulu web sitesinin kurucusu ve yazarı, gene aynı adlı podcastın da yapımcısı ve sunucusudur. İlaveten tıp ve bilim tarihi konulu yayın yapan kendi kurduğu Trepanasyon isimli bir blogda da muhtelif makaleler yayımlamaktadır.

Geçtiğimiz yıllarda popüler bir bilim portalı olan Açık Bilim web sitesinde yazarlık ve editörlük görevlerini üstlenmiş, TED Talks için 50’nin üzerinde sağlık, sağlık bilişimi ve eleştirel düşünce konulu konuşmanın gönüllü çevirmenliğini yapmıştır.