Kardiyovasküler Hastalıklar Alanındaki Yeni Teknolojik Gelişmeler

kardiyovasküler-170523-thumbnail

Kardiyovasküler hastalıklar (KVH), insan sağlığı için büyük bir tehdittir ve dünya çapında önde gelen ölüm nedenlerinden birisidir1. KVH, hastalara ve bir bütün olarak topluma ağır bir yük getirmiştir. Bu nedenle, şu anki tedavilere ek olarak gelecekte KVH tanı ve tedavisini iyileştirmek için yeni stratejiler sağlamak gereklidir.

Tıpta Yapay Zekâ Kullanımının Önemi

Dünyadaki sağlık sistemi coğrafyalara göre farklılık göstermektedir ve ne yazık ki her insan aynı imkanlardan faydalanamamaktadır. Dünyanın dört bir yanındaki hükümetler ve yetkililer, hastalar için daha iyi bir tıbbi ortam oluşturmak için çalışmalar yapmaktadır. Son yıllarda makine öğrenimi teknolojisinin gelişmesi ve ilerlemesiyle birlikte, yapılan çalışmaların büyük bir kısmını AI çalışmaları oluşturmaya başlamıştır.2 
Yapay zekânın tıp alanında kullanılmasıyla beraber tıbbi hizmetlerin kalitesinin arttırılması ve hastalar için daha iyi bir tıbbi ortam oluşturulması hedeflenmektedir.2

Kardiyolojide AI Kullanımının Tarihçesi

AI kavramının tarihçesi, bilgisayarın mucidi olarak bilinen Alan Turing ile başlıyor olsa da ilk bilgisayarların işlevsel yeteneklerinin kısıtlı olması sebebiyle makine öğrenimi gelişimi oldukça sınırlıydı. Bilgisayarların hesaplama gücü geliştikçe ve bilgiler depolanabildikçe makine öğrenimi algoritması gelişimi 1970'lerde ve 1980'lerde gelişmeye başladı.3 AI uygulamalarının klinik karar vermedeki rolü ise 1990’larda şekillenmeye başladı.

Kardiyolojide yapay zekânın ilk uygulamaları, elektrokardiyografiye (EKG) uygulanan kendi kendine öğrenen sinir ağlarının geliştirilmesiydi.4 Daha sonra, yapay zekâ ölçümü ve bilgi işlem gücü geliştirildikçe, kardiyolojideki uygulamalar kardiyak görüntüleme, elektrofizyoloji, kalp krizi ve girişimsel operasyonlar dahil diğer alanları kapsamaya başladı.

Büyük veri analitik araştırması sayesinde, çeşitli omik veriler, görüntüleme, EKG ve yapılandırılmamış serbest metin dahil olmak üzere çeşitli şekillerde çok modlu görüntüleme veri noktaları entegre edilebilir hale geldi. Bu takipler, kardiyolojide kesin hastalık görüntülemesini, çok modlu izlemenin izlenmesini, sürekli uzaktan izlemeyi ve tanımayı, hasta seçimini ve AI destekli dinlemeyi kapsayan geniş kapsamlı uygulamalara yol açmıştır. 

Kardiyolojide Yapay Zekanın Çağdaş Uygulamaları

AI teknolojileri günümüzde birçok alanda kullanılmaktadır. Kardiyovasküler tıpta ise şu anda hassas tıp, klinik tahmin, kardiyak görüntüleme analizi ve akıllı robotlar dahil olmak üzere uygulanmaktadır. Gelecekte ise daha etkili kullanımı olacağına dair beklentiler mevcuttur.

  1. Hassas Tıp:

    Yapay zekâ, sağlık sektöründe uzaktan takip, ilaç hatırlatmaları, danışmanlık ve semptom uyarıları gibi birçok alanda klinisyenlerin iş yükünü azaltmak için kullanılabilir. Gelecekte, yapay zekâ klinisyenlerin karar vermesine ve hasta sonuçlarını tahmin etmesine yardımcı olarak KVH tanı ve tedavisini iyileştirmede kullanılacaktır5
     
  2. Klinik Tahminler:

    Yapay zekâ, makine öğrenimi ve büyük veri analitiği aracılığıyla klinisyenlerin hastalar için daha doğru tahminler yapmasına yardımcı olabilir. Dawes TJW'den yapılan araştırma, AI'nın kalp hastalığı olan hastalar için olası ölüm sürelerini tahmin edebileceğini öne sürüyor.6 AI yazılımı, araştırmalarında 256 kalp hastalığı hastasının kardiyak manyetik rezonans görüntüleme (MRI) taramalarının ve kan testlerinin sonuçlarını kaydetti ve bu verileri hastaların sekiz yıllık sağlık kayıtlarıyla birleştirerek hastanın ölümüne yol açacak anormal koşulları tahmin edebilir hale geldi. Ek olarak, AI yazılımları hastaların önümüzdeki beş yıl boyunca hayatta kalma oranlarını %80 oranında doğru tahmin edebildi. Bu sonuçları, AI'ya dayalı risk değerlendirmesinin, geleneksel klinik yargı ve koroner bilgisayarlı tomografik anjiyografiden üstün olduğunu gösterdi.
     
  3. Kardiyak Görüntüleme Analizi:

    Son yıllarda derin öğrenme teknolojisinin ortaya çıkmasıyla birlikte, kardiyak görüntüleme analizinde büyük gelişme umutları doğmuştur. Derin öğrenme, koroner anjiyografi, ekokardiyografi ve elektrokardiyogramın (EKG) analiz edilmesine yardımcı olabilir. Bu teknoloji sayesinde, yakın gelecekte yapay zekâ, koroner aterosklerotik plakları tanımlama konusunda klinisyenlere göre daha doğru sonuçlar üretebilir hale gelicektir. AI ayrıca ekokardiyografik görüntüleri analiz etmek, kapak hastalığı gibi yapısal hastalıkların sınıflandırılması ve evrelemesinin belirlenmesi gibi diğer uygulamalar için de kullanılabilir.

    California Üniversitesi'nde yapılan bir çalışma, derin öğrenmenin ekokardiyografilerin sınıflandırılmasında insan kardiyovasküler hekimlerini geride bıraktığını göstermiştir. Ayrıca, derin öğrenme, sağkalımı daha yüksek doğrulukla tahmin edebildiği görüntü analizleri için de kullanılabilir.7
     
  4. Akıllı Robotlar: 

    Cerrahi robotların gelişmesi, mesane replasman cerrahisi ve histeromiyom rezeksiyonu gibi operasyonlarda klinisyenlere yardımcı olmuştur.8,9 Gelecekte minimal invaziv cerrahi teknolojisi ve yapay zekâ birleşerek otomatik cerrahiyi daha gerçekçi hale getirebilir ve hastaların travmasını azaltabilir. Ayrıca yapay zekâ, kardiyak girişimsel operasyonları da gerçekleştirebilir ve klinisyenlerin radyasyon maruziyetini azaltabilir. Takviyeli öğrenme kullanarak yapay zekâ operasyonları daha hızlı gerçekleştirebilir.

    Tüm bu veriler yapay zekanın kardiyovasküler tıpta klinik uygulamasında yakında büyük bir devrimin gerçekleşebileceğini ve bu uygulamanın yapay zekanın genel kullanımının yalnızca başlangıcı olduğunu gösteriyor diyebiliriz.

Kaynakça:

  1. Roth GA, Mensah GA, Johnson CO, et al. Küresel kardiyovasküler hastalık yükü ve risk faktörleri, 1990–2019: GBD 2019 çalışmasından güncelleme. J Am Coll Cardiol . 2020;76:2982–3021
  2. Krittanawong C, Zhang H, Wang Z ve ark. Hassas kardiyovasküler tıpta yapay zeka. J Am Coll Cardiol. 2017; 69 :2657–2664. 
  3. Turing AM. Bilgisayar makineleri ve zeka. Akıl. 1950; 49 :433–460.
  4. Gulshan V, Peng L, Coram M, et al. Retinal fundus fotoğraflarında diyabetik retinopati tespiti için bir derin öğrenme algoritmasının geliştirilmesi ve doğrulanması. JAMA. 2016; 316 :2402–2410.
  5. Johnson KW, Torres Soto J, Glicksberg BS, et al. Kardiyolojide yapay zeka. J Am Coll Cardiol. 2018; 71 :2668–2679.
  6. Dawes TJW, de Marvao A, Shi W, et al. Üç boyutlu sağ ventrikül hareketinin makine öğrenimi, pulmoner hipertansiyonda sonuç tahminini mümkün kılar: bir kardiyak MR görüntüleme çalışması. radyoloji. 2017; 283 :381–390.
  7. Madani A, Arnaout R, Mofrad M, et al. Derin öğrenmeyi kullanarak ekokardiyogramların hızlı ve doğru görünüm sınıflandırması. NPJ Haneli Med. doi: 10.1038/s41746-017-0013-1. İlk Olarak Çevrimiçi Yayınlandı: 21 Mart 2018.
  8. Cacciamani GE, De Marco V, Sebben M, et al. Robot yardımlı Vescica Ileale Padovana: açık cerrahi ilkeleri yeniden üreten intrakorporeal mesane replasmanı için yeni bir teknik. Eur Urol. doi: 10.1016/j.eururo.2018.11.037. İlk Olarak Çevrimiçi Yayınlandı: 30 Kasım 2018. 
  9. Lonnerfors C. Robot yardımlı miyomektomi. Best Pract Res Clin Obstet Gynaecol. 2018; 46 :113–119. 


 

#YapayZeka #KardiyovaskülerHastalıklar #KVH #YeniNesilTedaviler #SağlıktaYapayZeka

Daha iyi bir kullanıcı deneyimi sunmak ve hizmetlerimizi daha etkin sunmak için, üçüncü kişilere ait olanlar da dahil, çerezler ve benzer teknolojiler kullanmaktayız. Detaylı bilgi için Gizlilik Politikası’nı ve Çerez Politikası’nı. inceleyebilirsiniz.