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, mevcut tedavilere ek olarak gelecekte KVH tanı ve tedavisini iyileştirmek için tıpta yapay zeka gibi yeni stratejilerin devreye sokulması gerekmektedir.
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
Yapay zekanın tıpta kullanımı bilgisayarın mucidi olarak bilinen Alan Turing ile başlıyor olsa da ilk bilgisayarların işlevsel yeteneklerinin kısıtlı olması sebebiyle makine öğrenimi gelişimi oldukça sınırlıydı. 1970'lerde ve 1980'lerde bilgisayarların gelişimi ile yapay zekanın tıpta kullanımı daha etkin hale gelmiştir.Yapay zeka uygulamalarının klinik karar vermedeki rolü ise 1990’larda şekillenmeye başladı.3
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.
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.
Yapay zekanın tıpta kullanımı, 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 kullanılacaktır.5
Tıp ve yapay zeka, 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.
Son yıllarda, derin öğrenme teknolojisi ile kardiyak görüntüleme alanında önemli ilerlemeler kaydedilmiştir. 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
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
#YapayZeka #KardiyovaskülerHastalıklar #KVH #YeniNesilTedaviler #SağlıktaYapayZeka
