Sağlık Alanında Yapay Zeka Kullanımı
Özet
Teknolojinin hızla gelişmesiyle birlikte yapay zeka (YZ), sağlık alanında tanı, teşhis, tedavi ve veri analizi süreçlerinde kritik bir rol oynamaya başlamıştır. YZ; yapay sinir ağları, makine öğrenmesi, derin öğrenme ve doğal dil işleme gibi teknikleri kullanarak insan beynini taklit eden sistemler bütünüdür. Sağlık sektöründe MHRS ve e-Nabız gibi yönetimsel uygulamaların yanı sıra; radyoloji, patoloji, oftalmoloji, dermatoloji, nefroloji ve ilaç sektöründe tıbbi amaçlarla yaygın olarak tercih edilmektedir. Ayrıca, hemşirelik ve cerrahi alanlarında robotik uygulamalar (Da Vinci, Cyberknife vb.) klinik süreçlere entegre edilerek tıbbi hataları en aza indirmeyi ve tedavi süreçlerini optimize etmeyi hedeflemektedir. Ancak bu avantajların yanında, yapay zekanın sağlık alanında kullanımının getirdiği bazı ciddi dezavantajlar ve tartışmalı konular da bulunmaktadır. Yeterli tıbbi bilgiye sahip olmayan mühendislerin algoritmaları ile doktorların bu teknolojileri yorumlamasındaki hatalar, tıp eğitimindeki yetersizlikler, mesleki itibar kaygıları ve ilaç keşif süreçlerindeki sistemli veri eksiklikleri öne çıkan sorunlar arasındadır. En kritik zorluklar ise hasta güvenliği, eksik veri setlerinden kaynaklanan yanlış teşhisler, siber güvenlik, hasta verilerinin gizliliği, kullanıcı sözleşmeleri ile aydınlatılmış onam süreçlerindeki belirsizlikler ve yasal/cezai sorumlulukların henüz netleşmemiş olmasıdır. Sonuç olarak, YZ sağlık profesyonellerine büyük kolaylıklar sağlasa da etik, yasal ve güvenlik boyutlarının disiplinler arası iş birlikleriyle acilen düzenlenmesi gerekmektedir.
With the rapid advancement of technology, artificial intelligence (AI) has assumed a critical role in healthcare, particularly in diagnosis, treatment, and data analysis. Utilizing techniques such as artificial neural networks, machine learning, deep learning, and natural language processing, AI functions as a comprehensive system designed to emulate human cognitive behaviors. Beyond administrative systems like MHRS and e-Pulse, AI is extensively deployed for medical purposes across radiology, pathology, ophthalmology, dermatology, nephrology, and the pharmaceutical industry. Furthermore, robotic applications in nursing and surgery, such as the Da Vinci and Cyberknife systems, aim to minimize medical errors and optimize intervention processes. Despite these substantial benefits, the integration of AI introduces complex challenges, including interpretative discrepancies between non-medical engineers and clinicians, deficiencies in AI-focused medical education, and systematic data constraints in drug discovery. The most formidable obstacles involve patient safety risks from inadequate datasets, cybersecurity concerns, data privacy issues, ambiguities in user agreements versus informed consent, and unresolved legal liabilities regarding medical malpractice. Consequently, while AI offers transformative support to healthcare professionals, it is imperative to address its ethical, legal, and security dimensions through interdisciplinary collaboration and continuous training.
Referanslar
Çilhoroz Y, Işık O. Yapay zekâ: sağlık hizmetlerinden uygulamalar. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 2021; 23(2): 573-588.
Akalın B, Veranyurt Ü. Sağlık hizmetleri ve yönetiminde yapay zekâ. Acta Infologica, 2021; 5(1): 231-240. doi:10.26650/acin.850857.
Ölçer İ, Yılmaz A. Yapay zekanın cerrahi uygulamalara entegrasyonu. Beykent Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 2020;13(2):21-27. doi: 10.20854/bujse.873770.
Razavian N, Knoll F, Geras KJ. Artificial Intelligence Explained for Nonexperts. Seminars in Musculoskeletal Radiology, 2020; 24(1):3-11. doi:10.1055/s-0039-3401041.
Bitterman DS, Miller TA, Mak RH. et al. Clinical natural language processing for radiation oncology: A Review and Practical Primer. International Journal Of Radiation Oncology, Biology, Physics, 2021;110(3):641-655. doi:10.1016/j.ijrobp.2021.01.044.
Chan HP, Samala RK, Hadjiiski LM. et al. Deep learning in medical image analysis. Advances in Experimental Medicine and Biology, 2020; 1213:3-21. doi:10.1007/978-3-030-33128-3_1.
Kubat M. Artificial neural networks. In: An Introduction to Machine Learning. Springer, Cham. 2017. 04/07/2022 tarihinde https://doi.org/10.1007/978-3-319-63913-0_5 adresinden ulaşılmıştır).
Tack C. Artificial intelligence and machine learning | applications in musculoskeletal physiotherapy. Musculoskeletal Science & Practice, 2019; 39:164-169. doi:10.1016/j.msksp.2018.11.012.
Akalın B. Yapay zeka ile ilgili temel kavramlar. In: Akalın B (ed.) Sağlık Hizmetleri ve Yönetiminde Yapay Zeka. 1.baskı. İstanbul: Hiperyayın; 2020. p.60-72.
Wang F, Preininger A. AI in health: state of the art, challenges, and future directions. Yearbook Of Medical Informatics, 2019;28(1): 16-26. doi:10.1055/s-0039-1677908.
Kumar A, Gadag S, Nayak UY. The beginning of a new era: artificial ıntelligence in healthcare. Advanced Pharmaceutical Bulletin, 2021; 11(3): 414-425. doi: 10.34172/apb.2021.049.
Bohr A, Memarzadeh K. The rise of artificial intelligence in healthcare applications. Artificial Intelligence in Healthcare, 2020;(1): 25–60. doi:10.1016/B978-0-12-818438-7.00002-2.
Schiefer LM, Treff G, Treff F, et al. Validity of peripheral oxygen saturation measurements with the garmin fēnix® 5x plus wearable device at 4559 m. Sensors, 2021;21(19): 6363. doi:10.3390/s21196363.
Knaup P, Benning NH, Seitz MW. et al. eHealth and clinical documentation systems. Studies in Health Technology And İnformatics, 2020; 25(274):174-188. doi:10.3233/SHTI200676.
Kaur C, Garg U. Artificial intelligence techniques for cancer detection in medical image processing: A review. Materials Today: Proceedings, 2021;1-4. doi:10.1016/j.matpr.2021.04.241.
Liu X, Chen K, Wu T, et al. Use of multi-modality imaging and artificial intelligence for diagnosis and prognosis of early stages of alzheimer's disease. Translational Research, 2018;194: 56-67. doi:10.1016/j.trsl.2018.01.001.
Ibrahim E, Gamble P, Jaroensri R. et al. Artificial intelligence in digital breast pathology: Techniques and applications. Breast, 2020; 49: 267-273. doi:10.1016/j.breast.2019.12.007.
Benet D, Pellicer-Valero OJ. Artificial Intelligence: the unstoppable revolution in ophthalmology. Survey of Ophthalmology, 2021; 67(1): 252-270. doi:10.1016/j.survophthal.2021.03.
Young AT, Xiong M, Pfau J, et al. Artificial intelligence in dermatology.The Journal of Investigative Dermatology, 2020; 140(8):1504-1512. doi:10.1016/j.jid.2020.02.026.
Niel O, Bastard P. Artificial Intelligence in nephrology: core concepts, clinical applications, and perspectives. American Journal of Kidney Diseases: The Official Journal of The National Kidney Foundation, 2019;74(6): 803-810.doi: 10.1053/j.ajkd.2019.05.020.
Moingeon P, Kuenemann M, Guedj M. Artificial intelligence-enhanced drug design and development: Toward a computational precision medicine. Drug Discovery Today, 2021; 27(1):215-222. doi:10.1016/j.drudis.2021.09.006.
Eşkin Bacaksız F, Yılmaz M, Ezizi K. vd. Sağlık hizmetlerinde robotları yönetmek. Sağlık ve Hemşirelik Yönetim Dergisi, 2020; 3(7): 458-465.
Altınok Ersoy, N. Yapay zeka ve hemşirelik. 3 nd International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT 2019), 11-13 Ekim 2019, Ankara, (pp.125-126).
Nordlinger B. Surgery and artificial intelligence: Just around the corner? Journal of Visceral Surgery, 2021;158 (3): 4-5. doi:10.1016/j.jviscsurg.2021.01.007.
Zhou XY, Guo Y, Shen M. et al. Application of artificial intelligence in surgery. Frontiers of Medicine, 2020;14(4):417-430. doi:10.1007/s11684-020-0770-0.
Martinho A, Kroesen M, Chorus C. A healthy debate: Exploring the views of medical doctors on the ethics of artificial intelligence. Artificial Intelligence in Medicine, 2021; 121: 102190. doi:10.1016/j.artmed.2021.102190.
Patel V, Shah MA. Comprehensive study on artificial intelligence and machine learning in drug discovery and drug development. Intelligent Medicine, 2021; 2-7. doi:10.1016/j.imed.2021.10.001.
Akalın B, Veranyurt Ü. Sağlık 4. O ve sağlıkta yapay zekâ. Sağlık Profesyonelleri Araştırma Dergisi, 2022; 4(1): 57-64.
Gerke S, Minssen T, Cohen G. Ethical and legal challenges of artificial intelligence-driven healthcare. Artificial Intelligence in Healthcare, 2020;1 (1): 295-336. doi:10.1016/B978-0-12-818438-7.00012-5.
Güvercin CH. Tıpta yapay zekâ ve etik. In: Ekmekçi PE (ed.) Yapay Zekâ ve Tıp Etiği, 1. Baskı. Ankara: Türkiye Klinikleri. 2020. p.7-13.
Sunarti S, Rahman FF, Naufal M, et al. Artificial intelligence in healthcare: opportunities and risk for future. Gaceta Sanitaria, 2021; 35(1):67-70.
Kayıran HF. Yapay zekâ ve yapay zekânın hukuki sorumluluğu. Türk Yönetim ve Ekonomi Araştırmaları Dergisi, 2020;1(1):56-74. doi:10.51243/SAKA-TJMER.2020.4.
