Aramizda
Aktif Üye
Makine öğrenimi ve özellikle yapay sinir ağlarını kullanan derin öğrenme ve dijital sağlık verilerinin artan erişilebilirliği sayesinde kanser teşhisi ve tedavisi büyük ilerleme kaydediyor. Biyolog Marc Bovenschulte, yakın zamanda Bundestag Teknoloji Değerlendirme Ofisi (TAB) tarafından yayınlanan kısa bir çalışmada bunu yazıyor. Ona göre, nadir kanserlerden muzdarip insanlar da yapay zekaya (AI) dayalı bu tür yaklaşımlardan faydalanabilir. Ancak, giderek daha kişiselleştirilmiş ve veri odaklı tıpla uğraşmayı içeren bu tür gelişmeler, çok sayıda teknik ve düzenleyici zorlukla karşı karşıyadır.
Reklamcılık
Tümör hastalıkları 100.000 kişiden 6'sından azında gelişirse nadir olarak kabul edilir. Bu ülkede bunlara örnek olarak yemek borusu, gırtlak ve tiroid kanseri, Hodgkin hastalığı (lenf sisteminin kötü huylu hastalığı) ve bazı lösemi türleri verilebilir. Çalışmaya göre, hastaların bireysel genetik, fizyolojik ve morfolojik özellikleri dikkate alındığında, “tam olarak doğru, mümkün olduğunca etkili ve yan etkisi az bir tedavi” şansı artıyor. AI yaklaşımları burada tanı, uygun tedavi önlemlerinin seçimi, hastalığın seyrinin prognozu ve etkilenenlerin terapötik desteğinde kullanılabilir. Teknoloji ayrıca, bireylere özel ilaçların ve yeni tedavi yaklaşımlarının geliştirilmesinde de rol oynuyor.
Yapay zeka sistemleri, X-ışını görüntüleri, moleküler biyolojik bilgiler, DNA analizlerinden veya literatür veri tabanlarından gelen dizi bilgileri gibi farklı verileri değerlendirmek, karşılaştırmak, ilişkilendirmek ve bunlardan sonuç çıkarmak için özellikle uygundur, diye açıklıyor Bovenschulte. Örneğin CAD sistemleri, insanlara ek olarak görüntü içeriğinin bir analizini gerçekleştirir ve göze çarpan alanları vurgulamak için karşılaştırma veya referans verilerinden desenler içerir. Ancak bu, küçük vaka sayılarında daha az başarılıdır. Heterojen tümörlerin tespiti üzerine yapılan bir çalışmada, derin öğrenmeli bir yapay zeka, klasik yönteme göre bilgisayarlı tomografi görüntülerine dayalı olarak hastalığın saldırganlık derecesini değerlendirmede neredeyse iki kat daha iyiydi. Yazar ayrıca, hastaların sanal bir kopyasına dayalı bir tedaviyi modelleyebilmek için bir dijital ikizin oluşturulmasını ve kanser nüksetmelerine karşı mücadelede kişiselleştirilmiş mRNA aşılarının umut verici olduğunu açıklıyor.
Onay rejimi bireysel terapiye uygun değildir
Bovenschulte, üretken yapay zekadaki patlama göz önüne alındığında, uzmanların ChatGPT & Co.'nun kanser tedavisi için hassas tıpta ne ölçüde kullanılabileceğini de araştırdığını söylüyor. Bunun arka planı, bir tümörün biyolojisi hakkındaki bilginin, onu tedavi etme seçeneklerini de iyileştirmesidir. Örneğin Charité'deki ilk deneylerde, botlar gerçekten de “bazı yararlı öneriler ve tavsiyeler” ve iki durumda daha önce hiç kimsenin düşünmediği “benzersiz terapötik yaklaşımlar” sağladı. Ancak, kural olarak, şimdiye kadar elde edilen sonuçlar insan uzmanların kalitesine yaklaşamadı. Bazen icat edilmiş bilgiler (halüsinasyonlar) entegre edilir. Ayrıca, büyük dil modellerinin farklı versiyonları arasında sonuçların tutarlılığı düşüktür.
Ancak yazara göre, terapötik yaklaşımların açıklanan bireyselleştirilmesi “mevcut onay rejimlerinin çerçevesine ancak zorlukla uyuyor”, ki bu rejimler şu ana kadar mümkün olduğunca çok sayıda test deneği, standartlaştırılmış ürün ve prosedür içeren kapsamlı klinik çalışmalara dayanıyordu. Deneysel tedaviler, terapötik özgürlük çerçevesinde ve dar sınırlar içinde iyileştirme girişimleri olarak, bireysel hastaları yeni ve az test edilmiş yaklaşımlarla tedavi etmek için izin verilebilir. Bununla birlikte, Bovenschulte, kişiselleştirilmiş tanı ve tedavinin etkinliğini kanıtlamak için “güvenilir bir çerçevenin” gerekli olduğuna inanıyor. Bu, AI tabanlı prosedürler için de geçerlidir. Sadece tıp uzmanlarını değil, aynı zamanda hastane yönetimini, BT uzmanlarını veya üreticileri de içeren bir “sorumluluk dağılımından” kaçınılmalıdır.
(Asla)
Reklamcılık
Tümör hastalıkları 100.000 kişiden 6'sından azında gelişirse nadir olarak kabul edilir. Bu ülkede bunlara örnek olarak yemek borusu, gırtlak ve tiroid kanseri, Hodgkin hastalığı (lenf sisteminin kötü huylu hastalığı) ve bazı lösemi türleri verilebilir. Çalışmaya göre, hastaların bireysel genetik, fizyolojik ve morfolojik özellikleri dikkate alındığında, “tam olarak doğru, mümkün olduğunca etkili ve yan etkisi az bir tedavi” şansı artıyor. AI yaklaşımları burada tanı, uygun tedavi önlemlerinin seçimi, hastalığın seyrinin prognozu ve etkilenenlerin terapötik desteğinde kullanılabilir. Teknoloji ayrıca, bireylere özel ilaçların ve yeni tedavi yaklaşımlarının geliştirilmesinde de rol oynuyor.
Yapay zeka sistemleri, X-ışını görüntüleri, moleküler biyolojik bilgiler, DNA analizlerinden veya literatür veri tabanlarından gelen dizi bilgileri gibi farklı verileri değerlendirmek, karşılaştırmak, ilişkilendirmek ve bunlardan sonuç çıkarmak için özellikle uygundur, diye açıklıyor Bovenschulte. Örneğin CAD sistemleri, insanlara ek olarak görüntü içeriğinin bir analizini gerçekleştirir ve göze çarpan alanları vurgulamak için karşılaştırma veya referans verilerinden desenler içerir. Ancak bu, küçük vaka sayılarında daha az başarılıdır. Heterojen tümörlerin tespiti üzerine yapılan bir çalışmada, derin öğrenmeli bir yapay zeka, klasik yönteme göre bilgisayarlı tomografi görüntülerine dayalı olarak hastalığın saldırganlık derecesini değerlendirmede neredeyse iki kat daha iyiydi. Yazar ayrıca, hastaların sanal bir kopyasına dayalı bir tedaviyi modelleyebilmek için bir dijital ikizin oluşturulmasını ve kanser nüksetmelerine karşı mücadelede kişiselleştirilmiş mRNA aşılarının umut verici olduğunu açıklıyor.
Onay rejimi bireysel terapiye uygun değildir
Bovenschulte, üretken yapay zekadaki patlama göz önüne alındığında, uzmanların ChatGPT & Co.'nun kanser tedavisi için hassas tıpta ne ölçüde kullanılabileceğini de araştırdığını söylüyor. Bunun arka planı, bir tümörün biyolojisi hakkındaki bilginin, onu tedavi etme seçeneklerini de iyileştirmesidir. Örneğin Charité'deki ilk deneylerde, botlar gerçekten de “bazı yararlı öneriler ve tavsiyeler” ve iki durumda daha önce hiç kimsenin düşünmediği “benzersiz terapötik yaklaşımlar” sağladı. Ancak, kural olarak, şimdiye kadar elde edilen sonuçlar insan uzmanların kalitesine yaklaşamadı. Bazen icat edilmiş bilgiler (halüsinasyonlar) entegre edilir. Ayrıca, büyük dil modellerinin farklı versiyonları arasında sonuçların tutarlılığı düşüktür.
Ancak yazara göre, terapötik yaklaşımların açıklanan bireyselleştirilmesi “mevcut onay rejimlerinin çerçevesine ancak zorlukla uyuyor”, ki bu rejimler şu ana kadar mümkün olduğunca çok sayıda test deneği, standartlaştırılmış ürün ve prosedür içeren kapsamlı klinik çalışmalara dayanıyordu. Deneysel tedaviler, terapötik özgürlük çerçevesinde ve dar sınırlar içinde iyileştirme girişimleri olarak, bireysel hastaları yeni ve az test edilmiş yaklaşımlarla tedavi etmek için izin verilebilir. Bununla birlikte, Bovenschulte, kişiselleştirilmiş tanı ve tedavinin etkinliğini kanıtlamak için “güvenilir bir çerçevenin” gerekli olduğuna inanıyor. Bu, AI tabanlı prosedürler için de geçerlidir. Sadece tıp uzmanlarını değil, aynı zamanda hastane yönetimini, BT uzmanlarını veya üreticileri de içeren bir “sorumluluk dağılımından” kaçınılmalıdır.
(Asla)