Konferansta sunulan dört yapay zeka yaklaşımı tüberkülozun tespit ve izlenmesinde farklı teknolojik çözümler öneriyor. Sunumlar 18-21 Kasım tarihlerinde Kopenhag’daki Union Dünya Akciğer Sağlığı Konferansı’nda yapıldı. Dünya Sağlık Örgütü’ne göre 2024’te tüberküloz yaklaşık 1.25 milyon ölüme neden oldu; birçok kırılgan topluluk ise standart tanıya erişimde zorluk yaşıyor. Bu nedenle daha hızlı, daha ucuz ve taşınabilir araçlara ihtiyaç olduğu belirtildi.
Birinci yaklaşım Çin’de geliştirilen nefes analizi (breathomics) sistemi: Güney Afrika’da AveloMask ile toplanan nefes örneklerinde dışarı verilen havadaki kimyasal değişiklikler incelendi ve makine öğrenmesi tedaviye yanıtı izledi. Liang Fu, invaziv olmayan bu testin iyileşmeyi erken göstermesini ve daha güvenli tedavi kısaltmalarına olanak tanıyabileceğini, uyumu artırıp maliyetleri düşürebileceğini söyledi. İkinci yaklaşım Swaasa adlı öksürük analiz platformu; telefonla kaydedilen öksürük sesleriyle algoritma vakaların yüzde 94’ünde doğru tanıyı ve yüzde 87’sinde solunum hastalığı riskini öngördü. Rakesh Kumar, bu sistemin taramayı hızlandırıp kapsayıcılığı artırabileceğini belirtti.
Üçüncü örnek Wadhwani Institute for AI’nin kırılganlık haritalama sistemi: 20’den fazla açık kaynak veri seti anonimleştirilmiş Ni-kshay sürveyans verileriyle birleştirildi ve ulusal testlerde tespit edilmemiş TB barındırma olasılığı en yüksek ilk yüzde 20 köyü belirlemede yüzde 71 doğruluk sağlandı. Aparna Chaudhary, aracın vaka bulma hassasiyetini ve verimliliği artırmayı hedeflediğini ve çalışmanın hakem değerlendirmesinden geçtiğini söyledi. Dördüncü araç Qure.ai’nin qXR’si, doğumdan 15 yaşına kadar çocuklar için tasarlanmış bir AI göğüs röntgeni aracıdır ve tam yaş aralığı için Avrupa düzenleyici onayı alan ilk AI destekli göğüs röntgeni aracı olduğu açıklandı; Shibu Vijayan bunun erken tespit ve bakım önceliklendirmesine yardımcı olabileceğini belirtti.
Uzmanlar bu araçların yararlarını kabul etmekle birlikte ulaşım, uygulama ve doğrulama zorluklarına dikkat çekti. Guy Marks yeniliklerin olağanüstü potansiyelini not etti ama asıl zorluğun bunları en çok ihtiyacı olan insanlara ve sağlık sistemlerine ulaştırmak olduğunu söyledi. Ketho Angami titiz testler, güçlü veri setleri ve AI çıktılarının yorumlanması için personel eğitimi çağrısında bulundu; yalnızca AI’ye güvenmenin karmaşık vakalarda riskli olabileceği uyarısını yaptı. Bazı sonuçlar hâlâ hakem değerlendirmesinden geçiyor ve daha geniş doğrulama ile uygulama ölçeklenmeden önce gerekecek. Yazı SciDev.Net’in küresel masasınca hazırlandı.
Zor kelimeler
- invaziv — vücuda giren veya zarar veren tıbbi işlem
- kırılgan — destek veya koruma gerektiren savunmasız grup
- anonimleştirmek — kişisel bilgileri kimliksiz hale getirmekanonimleştirilmiş
- doğruluk — bilginin gerçeğe uygun olma derecesi
- hakem değerlendirme — uzmanların bir çalışmayı inceleyip değerlendirmesihakem değerlendirmesinden
- uygulama — bir yöntemin veya aracın gerçek hayatta kullanılması
İpucu: Türkçe metni okurken veya ses kaydını dinlerken, vurgulanan kelimelerin üzerine gel, odaklan ya da dokun; anında kısa tanımlar görünür.
Tartışma soruları
- Bu yeni AI araçlarının gerçekten kırılgan topluluklara ulaşması için hangi pratik adımlar atılmalı? Örnek verin.
- Makine öğrenmesi ve AI sonuçlarını kullanmadan önce hangi doğrulama ve personel eğitimi önlemleri önemlidir? Neden?
- Taşınabilir ve ucuz tespit araçları sağlık sistemlerini nasıl değiştirebilir? Olumlu ve olumsuz etkilerden birer örnek verin.
