Yapay Zekanın Hastane Bilgi Sistemlerinde Devrim Yaratacağı 5 Alan
Büyük veri işleme ve makine öğrenimi algoritmalarının gelişimine paralel olarak artan, sağlıkta yapay zeka kullanımına yönelik araştırmalar, sağlıkta yapay zekanın çalışmalarının en umut verici alan olduğunu göstermektedir.
Hastane Bilgi Sistemleri (HBYS), hastaların geçmiş bilgileri ile birlikte kan tahlil sonuçlarını, radyoloji, Mr görüntüleri ve raporları ile birlikte hastanın ilaç bilgilerini, kronik hastalıkları, ameliyat bilgileri dahil hastaya ait tüm sağlık verisini toplar. Yapay zeka, HBYS ‘de toplanan bu büyük ve karmaşık veriden, hastaya ve doktora yardımcı olacak bir çok alanda sonuçlar çıkarma kapasitesine sahiptir.
Yakın gelecekte hastaların genetik bilgileri, yaşam tarzı bilgilerinin daha fazla toplanması ile birlikte veri miktarı ve çeşitliliği çok daha fazla artacaktır. Büyük veri işleme ve makine öğrenimi algoritmalarının gelişimi ile yapay zeka, sağlık sektörünün ve hastalarının ihtiyaçlarına uyum sağlayan sürekli genişleyen ve çeşitli veriyi akıllı, eyleme geçirilebilir, iç görülere dönüştüren, algoritma, analitik, derin öğrenme ile sağlık sektöründe en umut veren alan olduğunu göstermektedir. Yapay zeka, tüm hastalık bilgilerini toplayan HBYS’ ler için önemli bir yenilik alanıdır.
HBYS’ de devrim yaratacak olan 5 Yapay zeka çalışma alanı
1-Yapay Zeka Tabanlı Konuşmayı Metne Dönüştürme Teknolojileri
Tıbbi ses tanıma olarak da ifade edilen, sağlıkta konuşulan dilini metne dönüştüren, hasta bilgilerini, tıbbi bilgilerin Hastane Bilgi Sistemine (HBYS) hızlı ve doğru şekilde aktarılmasını sağlayan teknolojilerdir.
Hastanelerde radyoloji, patoloji uzmanlarının rapor sonuçları için konuşmalarını yazıya çeviren dikte sistemleri uzun yıllardır kullanılmaktadır. Yapay zeka ve ses teknolojilerinde gelişmeler, hasta sorunlarını, teşhislerini ve alerjiler, kronik hastalıkları kayıtları ses tabanlı komutlar ile aracılığıyla HBYS ‘de uygun alanlarda ve uygun yapılarda, daha hızlı ve doğru şekilde kayıt edilebilmesini sağlayabilmektedir.
Yapay zeka ses tanıma sistemleri ile entegre çalışan HBYS çözümlerinde hasta bilgilerini bulmak kolaylaşmakta ve doktorların konuşmaları ile gerçek zamanda karar verme için eyleme geçirmesi, bilgileri dönüştürmesi sağlanabilmektedir.
Sağlıkta Sesi yazıya dönüştüren teknolojilerde Yapay zeka destekli ortam klinik zeka teknolojileri hızla gelişmektedir. Klinik ortam zekası, ortamdaki konuşmalardan hastanın durumunu, HBYS’ de ilgili alanlara otomatik aktaran sistemlerdir. Bu sistem ile hasta doktor arasındaki görüşmelerden HBYS ‘ye veya sağlık bilgi sisteminde kayıt edilmesi istenen bilgiler, istenilen yapıda otomatik olarak kayıt edilebilecektir.
Yapay zekanın öğrenme süreci arttıkça, yapılan hatalardan arındırılacak, HBYS ve diğer sağlık bilgi sistemlerinde toplanan verinin kalitesi artacak, sağlığımıza etki eden faktörler, sigara kullanımı, spor, stres, iş yaşamı gibi yaşam şekline yönelik bir çok verinin toplanabilmesi sağlanacaktır. Bu veriler yapılacak araştırmalarda, hedef odaklı alternatif kullanım olanaklarının geliştirilmesi için kullanılacaktır.
2-Yapay Zeka Destekli Erken Teşhise Yönelik uygulamalar Tahmine Dayalı Analitik
Hastane Bilgi Sistemlerinde (HBYS) bulunan hastanın önceki tanıları, uygulanan tedavileri, laboratuvar sonuçları, radyoloji MR görüntüleri, ilaç bilgileri, kronik hastalıkları dahil bir çok veri hastalıkların erken dönemde teşhis edilmesinde önemlidir.
Hastane bilgi sistemlerinde oluşan büyük miktardaki veriler, gelişmiş yapay zeka ve makine öğrenimi araçları ile geliştirilmiş tahmine dayalı analitiklerin, yüksek riskli koşulları tahmin etmek, hastanın semptomlarını kötüleşmeye başlamadan önce yakalamak için bir çok çalışma vardır. Örneğin, böbrek hastalığına yakalanma olasılığının yüksek diyabet hastalarını tahmin etmek veya durumu sepsise doğru ilerleyen hastaları aynı şekilde kalp yetmezliği hastalarına yönelik uyarılar vermesi tedavideki başarı oranını artıracaktır. Tahmine dayalı analitiğin hastalık ilerlemesini erken evrelerinde tespit etme yeteneği, hayat kurtaran bir özellik olarak, bu hastaları büyük ölçüde iyileştirebilecek erken müdahale imkanı tanıyor.
3-Hastalıkların doğru teşhis edilmesine yönelik uygulamaları
Gelişmiş yapay zeka teknikleri sağlık sisteminde hastalıkları teşhis etmek, için uygulanan ana alanlardandır. Makine Öğrenimi (ML) ve Derin Öğrenme (DL) algoritmalarını da içeren Yapay Zeka (AI) yöntemleri, çeşitli hastalıkların, özellikle de görüntüleme veya sinyal analizine dayanan hastalıkların tanısında yaygın olarak kullanılmaktadır.
Yapay zeka, Hastane Bilgi Yönetim Sistemlerinde (HBYS) bulunan hasta verilerini analiz ederek hastalıkların doğru teşhisi etmek için büyük bir potansiyele sahiptir. Yapay zeka, makine öğrenimi algoritmaları aracılığıyla, insan analistlerin göremeyeceği kalıpları ve eğilimleri belirleyebilir, bu verilerin analizi ile hastalıkların daha iyi tanı alması sağlanabilir. Yapay zeka destekli HBYS’ ler sayesinde doktorlar, listelenen semptomlara, tıbbi görüntülere, laboratuvar test sonuçlarına ve daha fazlasına dayanarak değerli teşhis bilgileri elde edebilir.
Yapay zeka, tıbbi 2D/3D görüntüleme, biyo-sinyaller (ECG, EEG, EMG ) hayati belirtiler ( vücut ısısı, nabız hızı, solunum hızı ve kan basıncı) dahil olmak üzere büyük miktarlarda hasta verilerini analiz edebilir, demografik bilgiler, tıbbi geçmiş ve laboratuvar test sonuçları ile karar vermeyi destekleyebilir ve doğru tahmin sonuçları sağlayabilir.
Yapay zeka algoritmaları birden fazla veri kaynağı entegre ederek hastanın sağlığı ve semptomlarının altında yatan nedenler ile daha kapsamlı bir anlayış elde edebilir. Birden fazla veri kaynağının kombinasyonu, hastanın sağlığına ilişkin daha eksiksiz bir tablo sunabilir, yanlış teşhis olasılığını azaltır ve teşhisin doğruluğunu artırabilir.
4-Tedaviye Yönelik Uygulamalar, Kişiselleştirilmiş Tıp
Yapay zeka destekli Hastane Bilgi Sistemleri (HBYS) sayesinde doktorlar, listelenen semptomlara, tıbbi görüntülere, laboratuvar test sonuçlarına ve daha fazlasına dayanarak teşhis doğruluğunu artırmanın yanı sıra hastalar için tedavi planlarının geliştirilmesini de kolaylaştırabilir. Akıllı teşhis önerileri, hastalıkları, yan etkileri ve sağlık koşullarını etkileyen faktörleri anında tespit etmeye ve doğru tedaviyi belirlemeye yardımcı olur. Gelişmiş analiz teknikleri ve tahmine dayalı modelleme yetenekleri sayesinde sağlık uzmanları, tıbbi geçmiş, genetik bilgi veya yaşam tarzı faktörleri gibi bireysel hasta özelliklerine dayalı olarak kişiselleştirilmiş tedavi planları oluşturabilir.
Çok büyük miktarda hasta verisini rekor sürede analiz etme potansiyeline sahip yapay zeka, gelişmiş algoritmalar ve makine öğrenimi teknikleriyle röntgen görüntülerini, MR taramaları gibi karmaşık görüntüleri yapay zeka teknolojilerinden faydalanarak insan gözünden kaçabilecek ince kalıpları tespit edebilmekte, bireyin benzersiz genetik yapısına, tıbbi geçmişine, yaşam tarzına, hastalığın yan etkileri, sağlık koşullarını etkileyen faktörleri anında tespit etmeye, önceki tedavilere verdiği yanıta göre kişiselleştirilmiş tedavi planlarını önerebilir.
5- Yapay zeka destekli klinik karar destek sistemleri
HIMMS Emram kriterlerinde gördüğümüz Klinik Karar Destek Sistemleri, HBYS’ de belirlenen kurallarda, doktora tetkik önerisi getiren, yine önceden belirlenmiş ilaç etkileşimlerini, alerjileri dikkate alarak doktor ve hemşireyi yönlendirebilen uygulamalar olarak hastanelerde kullanım örnekleri oluşturulmuştur.
Yapay zeka destekli Klinik karar Destek sistemleri (KKDS) ise güncel tıbbi literatürü ve hastane bilgi sisteminde (HBYS) bulunan tüm hasta verileri analiz ederek potansiyel teşhisleri, tedavi seçeneklerini önerebilmektedir. Potansiyel ilaç etkileşimlerini veya alerjileri dikkate alarak doktorların bilinçli kararlar almasına yardımcı olan, kanıta dayalı öneriler ve uyarılar sunarak sağlık hizmeti sağlayıcıları için akıllı asistanlar olarak destek veren sistemlerdir.
Yapay zeka destekli Klinik Karar Destek Sistemleri (KKDS) yoğun bakım üniteleri gibi , farklı hayati belirtiler ve kritik hasta parametreleri gibi büyük miktardaki bilgilerin işlenmesi yükünü azaltarak, hasta izlemede karar verme sürecinin bir kısmını basitleştirme potansiyeline sahiptir.
Yapay zeka desteli KKDS’ leri klinik kılavuzların büyük verilerinden ve üst düzey klinik araştırmalarda yer alan vaka kompozisyonlarınki bilgilerin kullanımını kolaylaştırmaktadır. Unutkanlık, dikkatsizlik veya deneyimsizliğe bağlı tıbbi hataların önüne geçmekte ve doktorları doğru tanı, doğru tedaviye yönlendirmektedir. Yapay zeka destekli KKDS’ ler çok çeşitli bilgi kaynaklarını güncel şekilde kullanarak, deneyimsiz doktorlara ve stajyerlere yol gösterebilir.
Yakın gelecekte yapay zeka destekli KKDS’ leri, hastanelerimizde doktorlarımızın yardımcı asistanı olarak görev aldıklarını görmeye başlayabiliriz.
Sonuç
Hastanın önceki gelişleri, muayene, kan tahlili, ilaç, yatış bilgileri, ameliyat, tıbbi harcamaları dahil tüm tıbbi süreçlerin saklandığı Hastane Bilgi Sistemleri , sağlık sistemindeki en güvenilir tıbbi veri olarak değerlendirilmektedir. Yapay zeka destekli HBYS’ ler, her geçen gün büyüyen, insan gözüyle incelenmesi zorlaşan verinin değerlendirmesinin ötesine geçerek, doktorun ihtiyacı olan hastaya özelleştirilmiş kayıtları getirecek, yapay zekayla geliştirilmiş bir HBYS, doktorların klinik bilginin araştırılması ve kaydı için daha az zaman harcamaları yerine hastaları tedavi etmeye daha fazla zaman ayırmasını sağlayacaktır.
Yapay zeka gelişmeye devam ettikçe, sağlık hizmeti sağlayıcıları yapay zekanın yeteneklerine güven kazandıkça, Yapay zekanın HBYS’ ler deki rolü, hasta bakımında devrim yaratmaya ve daha verimli ve etkili bir sağlık sisteminin önünü açmaya devam edecektir.
Kaynaklar
.https://whatsnext.nuance.com/healthcare-ai/transforming-medical-documentation-ai-technology/
.https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10531020/
.https://journals.sagepub.com/doi/10.1177/20552076231189331
.https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9812798/
.https://www.sciencedirect.com/science/article/pii/S1386505623001028
.https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10131698/
.https://www.healthcareitnews.com/news/nextgen-introduces-ai-enabled-ambient-listening-syncs-ehr
