Eğer tamamen çevrimiçi hale getirilebilirse yapay zekânın halk sağlığı hizmetlerine entegrasyonu devrim niteliğinde sonuçlar doğurabilir.
Dr. Ebele Mogo
Çeviri: Tarık Emre Karagül
Dijital bağlantıların dönüştürücü potansiyeli yaklaşık 20 yıl önce küresel anlamda çığır açmayı başardı. Cep telefonları sabit hatta bağlantısı olmayan evlerde dahi bağlantı kurmaya olanak sağlayarak iletişimi yeniden tanımladı. Dijital sağlık hizmetleri ise buna ayak uydurmayı başardı. Online hasta-doktor iletişimi, dijital ödemeler, bakım koordinasyonu ve online akran destek hizmetleri yaygınlaşmaya başladı.
Şüphesiz ki yapay zekâ (AI) bu dijital yeniliklerde artık yeni bir çağın kapısını araladı. Yapay zekânın ortaya çıkış tarihi olarak 20. yüzyılın ortaları gösterilse de LLM hizmetlerinin son zamanlardaki gelişimi yapay zekâyı odak noktası haline getirdi. Yapay zekânın odak noktası olmasıyla kendisine artan ilgiyi göz ardı etmeyen Dünya Sağlık Örgütü (DSÖ) 2024 yılının başında düzenlediği Dünya Sağlık Asamblesi’nde yapay zekânın küresel sağlık üzerindeki etkilerine odaklanan bir oturum düzenledi ve bu konu hakkında bölgesel, ulusal, akademik ve uluslararası sağlık örgütlerini bir araya getirdi.
Küresel toplum sağlığında yapay zekâ
Yapılan çalışmalar incelendiğinde yapay zekânın düşük ve orta gelirli ülkelerde 4 temel noktada kullanıldığı görülmektedir: hastalık teşhisi, risk değerlendirmesi, salgına hazırlık ve müdahale, planlama ve politika oluşturma. 2021 yılında Dünya Sağlık Örgütü tarafından yayınlanan yapay zekâ raporuna göre teşhis ve değerlendirme için çeşitli yapay zekâ uygulamaları kullanılmakta ve geliştirilmektedir. Hindistan’da 6 dakikadan daha kısa sürede encephalogram oluşturulabilmesi, Ruanda ve Pakistan’da hasta yönlendirilmesi, Uganda’da sıtmanın teşhis edilmesi, Nijerya’da ise anne ve çocukların hayati değerlerinin izlenmesi ve bebeklerde asfiksinin teşhis edilmesi gibi örnekler mevcuttur. Bundan da öte, Google’ın DeepMind teknolojisinin AlphaFold sistemi proteinlerin üç boyutlu yapısını tahmin etmede ciddi düzeyde ilerledi. Bu da hastalıkları anlama ve tedavi etme konusunda bizlere gelecek için umut vadediyor.
Tüm bunlara ek olarak yapay zekânın salgın gözetimi ve salgına müdahale söz konusu olduğunda da kullanım örnekleri mevcut. Google Flu Trends, arama motorunda gerçekleştirilen aramaları kullanarak grip aktivitelerini tahmin etti. Ancak gribin yayılımını olduğundan fazla tahmin etmesi, algoritmalarının sürekli güncellenmesinin önemini de gösterdi. HealthMap gibi elektronik sigara kullanımı ile ilgili akciğer hastalıklarının erken belirtilerini tespit eden ve Wuhan’daki korona virüsü hakkında erkenden uyarı yapan araçlar da ne kadar kıymetli olduklarını gösterdi.
Ayrıca yapay zekânın planlama ve politika oluşturma söz konusu olduğunda da kullanım örnekleri mevcut. Güney Afrika’da makine öğrenmesi modelleri, işe alınan sağlık çalışanlarının kırsal bölgelerdeki görevlerini ne kadar süreyle devam ettirebileceklerini tahmin etmek için kullanıldı. Brezilya’da ise yapay sinir ağları, nüfusun sağlık ihtiyaçlarına göre kaynakları coğrafi olarak optimize etmeyi kolaylaştıracak bir yöntem oluşturmak amacıyla kullanıldı.
Yapay zekâ küresel sağlıkta köklü bir değişimin öncüsü olabilir mi?
Yapay zekânın halk sağlığına entegrasyonu hala gelişiyor ve bazı durumlarda dikkatli bir şekilde değerlendiriliyor. Yapay zekâ artık temel sağlık işlevlerini dönüştürmeye hazır. Sağlık politikalarının ve uygulamalarının temeli olan kanıt üretim önemli bir değişimden geçiyor. Geleneksel olarak, kanıt sentezinin yapı taşı olan sistematik incelemelerin tamamlanması kimi zaman aylarca kimi zaman ise yıllarca sürebiliyordu. Şu anda Eppi-Reviewer gibi araçlar makine öğrenmesi kullanarak daha verimli taramalar yapabiliyor. Open Evidence gibi platformlar ise mevcut taramaları hızlıca özetleyebiliyor. Yapay zekâ kalite değerlendirmesi, meta-analiz ve sentez gibi teknik çalışma alanlarının yüksek titizlik ve güvenilirlikle ele alabilecek hale geldikçe, kanıt üretimindeki rolü de gittikçe artacaktır. Bu artış, sağlık yönergelerinin daha uygun maliyetli ve zamanında üretilmesini sağlayacaktır. Şu an dahi önde gelen kuruluşlar kanıt sentezinde yapay zekâ kullanımına yönelik yönergeler oluşturmaktadır.
Veri toplama ve veri analizi alanlarında da dönüşümsel değişiklikler yaşanıyor. Yapay zekâ destekli araçlar, hem yapılandırılmış hem de yapılandırılmamış verilerin hızlı analizini mümkün kılarak, geleneksel kağıt tabanlı yöntemleri ve saha çalışmalarını alanın dışına doğru itiyor. Yapay zekânın sağladığı bu avantaj, davranış değişikliğine odaklanan halk sağlığı stratejileri üzerinde de önemli etkilere sahip. Yapay zekâ eşi benzeri görülmemiş hız ve hassasiyetle son derece önemli olan sağlık teşvik kampanyalarının oluşturulmasında rol sahibi olabilir. Ayrıca, duygu analizi araçları halkın algılarını gerçek zamanlı olarak değerlendirebilir ve devam eden sağlık kampanyalarını buna göre yeniden formüle edebilir.
Sağlık çalışanlarının da yapay zekâ ile insanın işbirliğinden hareketle yeni bir dönüşüm yaşaması bekleniyor. Örneğin Hippocratic AI’ın üretken modelleri bazı bakım yönetim işlerini yerine getirebiliyor. Google’ın Med-Gemini uygulaması ameliyatlar da dahil olmak üzere tıbbi prosedürler söz konusu olduğunda gerçek zamanlı geri bildirim sağlayabiliyor. Bu araçlar geliştikçe ve bu araçların kullanıcıları tarafından benimsendikçe, sağlık hizmetlerinin sunulmasının mali açıdan etkinliği ve hassasiyetini arttırma potansiyeli de artacaktır.
Mayıs 2024 itibariyle FDA, yapay zekâ ve makine öğrenimi özellikli 882 tıbbi cihaza izin vermiştir. Bu tür yapay zekâ özellikli cihazların artışı ve bunların kullanımıyla ilgili klinik çalışmalardaki artış, alanın bu tür araçları ne kadar benimsediğini gösterir nitelikte.
Değişen aktör ortamı
Yapay zekânın sağlık hizmetlerine entegrasyonu sadece uygulamalarını dönüştürmekle kalmıyor, aynı zamanda küresel sağlık aktörlerinin ortamını da yeniden şekillendiriyor. Tarihsel olarak, küresel sağlık çok taraflı faaliyet olarak kabul ediliyordu ve uluslararası sivil toplum kuruluşları ile ulusal hükümetler tarafından yönetiliyordu. 21. Yüzyıl başlarında Gates Vakfı gibi güç sahibi hayır kurumları ortaya çıkmaya başladı ve özel sektör yapay zekâ şirketlerinin de bu alanda giderek daha fazla söz sahibi olacağı bir dönem başlamış oldu.
Açık kaynak modeller ve devlet destekli yapay zekâ modelleri olsa da, OpenAI’ın ChatGPT ve Google’ın Gemini uygulaması gibi özel sektör yapay zekâ uygulamalarının piyasaya hakimiyeti küresel sağlıkta veri yönetimi konusunda bazı soruların sorulmasını gerektiriyor. Fastfood ve tütün endüstrilerinin sağlık üzerindeki mevcut uluslararası ticari etkilerinden farklı olarak yapay zekâ daha farklı sorular ortaya çıkartıyor. Özel yapay zekâ uygulamaları çok taraflı sağlık girişimlerine entegre edilirse, küresel sağlık hedeflerine uyumları nasıl sağlanabilir? Şirketlerin sağlık verileri ve karar alma süreçleri üzerinde etkisi düşünüldüğünde potansiyel çıkar çatışmaları nasıl ele alınacak?
Bölgesel ve ulusal yönetmelikler, bu ortamı düzenlemek için varlar. Avrupa Sağlık Verileri Alanı buna bir örnek niteliğinde. Bu girişim, 27 Avrupa Birliği üyesi devletin tamamında tek bir veri alanı oluşturmayı amaçlıyor. Ayrıca bu girişim hastalara sağlık verilerini kontrol etme imkanı verirken güvenli veri yeniden kullanımını ve yapay zekâ uygulamalarını kontrol eden bir çerçeve oluşturmayı da amaçlıyor. Sağlık hizmetlerinde yüksek riskli yapay zekâ sistemlerinin titiz bir şekilde değerlendirilmesi için düzenlemeler dahi içeriyor.
Tüm bunlara benzer olarak Afrika Birliği yakın zamanda Kıtasal Yapay Zekâ Stratejisi programını başlattı. Bu programın temel amacı ise “Yapay zekâyı Afrika’nın kalkınma hedeflerini ve halkının refahını arttırmak için kullanmak, etik kullanımı teşvik etmek, potansiyel riskleri en aza indirmek ve fırsatları değerlendirmek” olarak belirlendi. Bu tür yapay zekâ kontrollerinin gelişimi, küresel sağlık girişimlerinde yapay zekânın gelecekteki uygulanabilirliği için öğretici bir tarafa da sahip olacaktır.
Temel altyapının oluşturulması
Diğer bir önemli faktör ise, yapay zekâdaki gelişmelerin yetersiz seviyedeki sağlık sistemleri için bir anlam ifade etmemesidir. Yapay zekânın gelişmesi güvenli veri yönetimine, sağlık bilgi sistemlerinin birlikte çalışabilirliğine ve kapsamlı dijital stratejiler gibi güçlü bir sağlık altyapısına sahip olunmasına bağlıdır. Çoğu ülke dijital sağlık stratejilerine sahip ancak bunların uygulanmasında görünen büyük farklılıklardan ve kaynakların sınırlılığından dolayı bu tarz ortamlarda gelişmeler genellikle gecikmeli gerçekleşmektedir. Birçok ülkede ne düzenli olarak veri girişi yapacak yeterli sağlık çalışanı ne de kâğıttan dijitale geçişi destekleyecek güvenilir elektrik veya Wi-Fi mevcuttur. Temel altyapı eksikliği, yapay zekâ uygulamalarının önünde büyük bir engel teşkil etmektedir.
Rockefeller Vakfı ile DSÖ, UNICEF, küresel sağlık finansmanı kuruluşları, sağlık bakanlıkları ve teknoloji şirketleri işbirliği ile yürütülen Hassas Sağlık Halk Sağlığı Girişimi gibi girişimler; düşük ve orta gelirli ülkelerde yapay zekâ kullanımını güçlendirmeyi amaçlamaktadır. İlk etapta 100 milyon dolar tutarında bir finansmanla, düşük ve orta gelirli ülkelerde yapay zekâ ve veri bilimi yaygınlaştırılmayı ve dünyanın yetersiz kaynaklarına sahip bölgelerine en son teknolojiyi sağlamayı amaçlamaktadır. Bu tarz girişimlerin kaynakları personel eğitimi ve destekleyici denetimi, kaynak yönetimi gibi temel sağlık sistemi güçlendirmelerine de en son teknolojiyi sağlamayı amaçlamaktadır.
Etik çıkarımlar
Yapay zekâ geliştikçe, etik hususlar da buna ayak uydurmak zorundadır. Bu hususlar genel olarak gizlilik ve gözetim endişeleri, verilerin kötüye kullanımı, algoritmik önyargılar, şeffaflık ve sorumluluk konuları olarak sıralanabilir. Son olaylar, bu konuların acilen ele alınması gerektiğini vurgulamaktadır.
“Sağlık İçin Yapay Zekânın Etik ve Yönetimi: DSÖ Kılavuzu” başlıklı araştırma raporunda açıklandığı üzere COVID-19 salgını sırasında Çin’in Alipay şirketi temas risklerini belirlemek için toplanan verileri kullanan bir “Sağlık Kodu” uygulamaya koymuştu. Bireylerin hareketliliğini kendilerine atanan renk kodlarına göre belirleyen bu sistem; mahremiyet, haklar ve kitle denetleme potansiyeli konusunda endişelere yol açmıştır. Bu raporda ele alınan diğer vakada ise Chicago Üniversitesi’nin tıbbi olayları tahmin etmeye yönelik makine öğrenmesi araçları geliştirmek için tanımlayıcı bilgilerden arındırılmış hasta kayıtlarını Google ile paylaştığı Dinerstein vs. Google olayıdır. Kayıtların yeniden tanımlanabileceği ve hasta mahremiyetini tehdit edebileceği iddiasıyla bu konuda dava açılmıştır.
DSÖ raporunda yer alan diğer vakalar ise yapay zekâ uygulamalarındaki önyargı sorununu vurgulamaktadır. Arjantin’de ergenlerin hamileliğini öngörmek için tasarlanmış bir yapay zekâ uygulaması kusurlu metotlara sahip olduğu ve ergenlerin mahremiyetini ihlal ettiği tespit edildiğinde eleştirilere maruz kalmıştır. Aynı şekilde ABD’de yapılan bir çalışma; eşit derecede hasta olan siyah hastaların beyaz hastalardan daha az tıbbi yardım almasına neden olan bir algoritmada ırksal önyargıları ortaya çıkarmıştır.
Tüm bunlara ek olarak potansiyel olarak kanserli cilt lezyonlarını tespit etmek için tasarlanmış bir yapay zekâ uygulaması; öncelikle Avustralya, Avrupa ve ABD’deki daha açık tonlu bireylerden elde edilen veriler üzerine eğitilmiş ve daha koyu tenli insanlar için yetersiz düzeyde kalmıştır.
Pek çok yapay zekâ algoritmasının “kara kutu” niteliği bilgilendirilmiş onam ve sorumlulukla ilgili kritik sorular da gündeme getirmiştir. Bir yapay zekâ uygulaması belirli bir ilaç dozu öneriyorsa, ancak altta yatan algoritma hekim için açık değilse bu durumda doğacak herhangi bir olumsuz sonucun sorumluluğunu kim üstlenir?
Vaka çalışması
Küresel sağlıkta yapay zekâ ile ilgili çeşitli hususların nasıl bir arada yürüdüğünü göstermek için, Dünya Sağlık Örgütü’nün “Sağlık İçin Akıllı Yapay Zekâ Kaynak Asistanı (SARAH)” projesi yeni bir vaka çalışması sunmuştur. Nisan 2024’te başlatılan SARAH, sağlık bilgilerini erişebilirlikteki eksiklikleri gidermek için tasarlanmış video tabanlı üretken bir yapay zekâ asistanıdır. Soul Machines Biological AI ile ortaklaşa geliştirilmiş olan bu uygulama, DSÖ Genel Direktörü Dr. Tedros Adhanom Ghebreyesus’un söylediği üzere “yapay zekânın gelecekte sağlık bilgilerine erişimini daha da iyileştirmek için nasıl kullanılabileceğini” temsil etmektedir.
Sağlık sektörünün gelişmesinde LLM’lerin potansiyeli, sağlık sistemleri üzerindeki yükün arka planında değerlendirilmelidir. Sahra Altı Afrika ve Güney Asya’da 1000 kişiye düşen doktor sayısı sırasıyla 0,2 ve 0,8 iken bu sayı Avrupa Birliği’nde 4,3 ve Kuzey Amerika’da 3,4’tür. Sağlık tesislerine ulaşım sürelerini gösteren bir harita, Kuzey Afrika gibi pek çok bölgede doktora gitmek için bir gün harcamanın nadir olmadığını göstermiştir. Doktora gidebildiklerinde bile, yüksek sağlık masrafları nedeniyle her yıl bir milyardan fazla insan yoksulluğa sürüklenmektedir. Bu tür bağlamlarda, LLM’ler şu anda toplum sağlığı çalışanları tarafından sağlanan sağlık hizmetlerini geliştirme çabalarını tamamlayabilir. Ayrıca denetimi ve eğitimi de geliştirebilirler.
Ayrıca SARAH, tavsiyeleri yerel bağlamlara göre uyarlamaya çalışmaktadır. Örneğin bölgesel beslenme alışkanlıklarına göre yemek önerileri sunabilmektedir. Empati göstermek için görsel duyusal ipuçlarını kullanmaktadır. COVID-19 bilgilerinin paylaşmaya yönelik WhatsApp tabanlı chatbot uygulaması gibi, SARAH’ın erişimi muhtemelen iletişim şirketleri ve sosyal ağlarla ortaklıklar ile genişleyecek ve yaygınlaşacaktır.
Ancak SARAH, küresel sağlık için yapay zekâ alanında daha büyük problemlerle karşı karşıya. Kullanıcılar, SARAH’ın sağladığı bilgilerde bazı hatalar fark ettiler. Buna örnek olarak SARAH, Alzheimer için bir ilacın 2023’te onaylanmış olmasına rağmen halen daha klinik deneylerde olduğuna dair yanlış bir bilgi verdi. Bu durum yapay zekâ uygulamalarının hızla süren tıbbi gelişmelere ayak uydurması gerektiğini vurgulamaktadır.
SARAH günümüzde kullanılan pek çok uygulamadan daha geniş bir dil yelpazesi sunsa da halen daha küresel dillerin yalnızca bir kısmını barındırıyor ve potansiyel erişimi sınırlandırıyor. Ayırca SARAH gibi video tabanlı uygulamaların başarısı, sağlam dijital altyapıya ve video özelliklerine sahip akıllı cihazlara erişime bağlı. Bu tarz cihazlara ulaşım oranı ise evrensel olarak pek iyi düzeyde değil.
SARAH bir video tabanlı yapay zekâ olmasından dolayı kullanıcıların videolarının işlenmesi de önemli gizlilik hususlarını gündeme getirmektedir. Henüz mevcut olmasa da DSÖ, LLM kullanımına ilişkin ilkeleriyle uyumlu olarak SARAH için eğitim materyallerinin ve kanıt temelinin açık erişim olacağını ifade etmiştir. SARAH’ın verileri nasıl işlediği ve kullandığı konusundaki şeffaflık, var olan güvenin korunması ve gelişmekte olan bu alan için önem taşımaktadır.
Sonuç
DSÖ Genel Direktörü Dr. Tedros’un WHA’nın da belirttiği gibi yapay zekâ küresel sağlık söz konusu olduğunda aşıların, penisilinin, MRI makinelerinin ve insan genom haritasının çıkarılması gibi bu alanda devrim olarak görülen yeniliklere benzer dönüştürücü bir gelişimi temsil etmektedir. 2021 DSÖ Sağlıkta Yapay Zekâ raporunda belirtildiği üzere, yapay zekânın sağlık sistemlerine entegrasyonu büyük bir potansiyel sunmaktadır. Tahminler, sağlık alanında kullanılan ilk 10 yapay zekâ uygulamasının 2026 yılına kadar yaklaşık 150 milyar dolar tasarruf sağlayabileceğini gösteriyor.
Yapay zekânın potansiyeli yadsınamaz. Ancak kritik bir soru var: Dünya çapında sağlık sonuçlarını iyileştirme vaadini gerçekleştirebilir mi? Bu, temel altyapının oluşturulması, etik hususların ele alınması ve aktörlerin geliştiği ortamların etkili bir şekilde yönetilmesi gibi çeşitli faktörlere bağlıdır.
Kaynak: https://daily.jstor.org/dr-ai-will-see-you-now/ (son erişim tarihi: 09.10.2024).
