Araştırmacılar, COVID-19 pnömonisi olan hastaları diğer solunum yolu hastalıkları olanlardan ayırmak için radyolojik görüntüleri kullanmak üzere bir yapay zeka (AI) sistemini eğittiğinde, makine mantıklı ama hatalı bir kestirme yol buldu.
Bir radyolog, görüntülerin özelliklerini tartacaktır. Milano’daki Vita Salute San Raffaele Üniversitesi’nde radyoloji profesörü olan Antonio Esposito, “Ancak yapay zeka sistemi tarama tarihlerini okumayı öğrendi” diyor. Bilgisayarın 2020’de hastaneye giren tüm hastaları basitçe COVID-19 kategorisine koyduğunu açıklıyor.
Antonio Esposito, San Raffaele Üniversitesi’nde radyoloji profesörü. Kredi:
San Raffaele Üniversitesi ile Microsoft arasındaki yeni ortaklık, bu tür eksikliklerin üstesinden gelmeyi ve sağlık hizmetlerinde yapay zekayı hasta bakımını iyileştirmek için güvenilir bir şekilde uygulanabileceği noktaya kadar geliştirmeyi amaçlıyor.
San Raffaele Üniversitesi’nde anatomi profesörü olan Carlo Tacchetti, “Bu proje, araştırmacıların ve klinisyenlerin farklı hastane departmanlarından gelen verilere erişimi arasındaki duvarları kaldırıyor ve iki ortağın sahip olduğu tamamlayıcı BT ve klinik uzmanlıktan yararlanıyor” diyor.
Tıbbi kayıtlar, patoloji raporları ve görüntüler genellikle farklı hastane bölümlerinde ve laboratuvarlarda ayrı veritabanlarında saklanır ve bu da içerdikleri verilerin paylaşılmasını zorlaştırabilir. San Raffaele projesi, yeni hasta verilerini son on yılın retrospektif verileriyle birleştirerek ilgili tüm klinik verileri tek bir sistemde bir araya getirecek.
Microsoft uzmanlarıyla birlikte, San Raffaele Üniversitesi Hastanesi’nden doktorlar ve araştırmacılar, özel algoritmalar geliştirerek belirli klinik yapay zeka zorluklarının üstesinden gelmek için bu bilgileri kullanacak.
AI teknolojisi, kalıpları belirlemek ve hasta sonuçları hakkında tahminler yapmak için tüm verileri gözden geçirecektir. Prensip olarak proje, karar verme algoritmalarını başka yerlerdeki klinisyenlerle paylaşabilecek ve daha sonra karar vermelerine rehberlik etmek için makine öğrenimi tekniğini kendi hasta verilerine uygulayabilecek.
Önemli bir adımda, yapay zeka tarafından alınan kararlar şeffaf olacaktır. Esposito, “Diğer projelerden farklı olarak, klinisyenler yapay zeka tahmin yolunu görebilecek ve algoritmaları iyileştirmelerine, sistemdeki önyargıları ortadan kaldırmalarına ve makine ile klinisyenin birbirinden öğrenmesine olanak tanıyacak” diyor.
Esposito, bu yaklaşımın, “bazen kara kutu yapay zeka çözümlerinin içine gizlenen tehlikeli kısayollar” da dahil olmak üzere yapay zekayı sağlık hizmetlerine uygulama girişimlerini rahatsız eden önyargı türlerinden kaçınmayı amaçladığını söylüyor.
Veri toplama ve algoritma geliştirmenin yanı sıra üniversite, sağlık hizmetlerinde AI kullanmak üzere bilgisayar bilimcileri, mühendisler, klinisyenler ve matematikçileri eğiten doktora programları sunmak için Microsoft ile özel bir okul açacak.
Tacchetti, “Microsoft’un yardımıyla, şimdiden dünyanın her yerinden bu proje üzerinde çalışan büyük beyinlere sahibiz” diyor. “Yapay zeka sistemlerimizi geliştirmenin yanı sıra bu alanda yeni nesil araştırmacıları eğitmek istiyoruz.”
Tacchetti, yapay zekanın “bir hastanın etnik kökeninin, yaşının, cinsiyetinin, mesleğinin ve coğrafi bölgesinin durumuyla nasıl bağlantılı olabileceğine dair daha iyi bir anlayış” geliştirebileceğini söylüyor. “Algoritmalarımızla, uzman bilgisi, San Raffaele gibi uzman hastanelerden dünyanın dört bir yanında belirli hastalıklar konusunda çok az deneyime sahip olabilecek uzak yerlerdeki klinisyenlere anında iletilebilir.”