Yapay zekanın sağlık araştırmalarındaki erken dönem testlerinde, UC San Francisco ve Wayne State Üniversitesi’ndeki bilim insanları, üretici yapay zekanın devasa tıbbi veri kümelerini geleneksel bilgisayar bilimleri ekiplerinden çok daha hızlı işleyebildiğini ve bazen daha güçlü sonuçlar üretebildiğini keşfetti. İnsan uzmanlar aynı bilgiyi analiz etmek için aylar harcadılar.
Araştırmacılar, performansı doğrudan karşılaştırmak amacıyla farklı gruplara aynı görevleri verdiler. Bazı ekipler tamamen insan uzmanlığına güvenirken, diğerleri yapay zeka araçlarıyla bilim insanlarını kullandı. Bu çalışmanın amacı, 1.000’den fazla hamile kadının verilerini kullanarak erken doğumları öngörmekti.
Ayrıca, UCSF’den master öğrencisi Reuben Sarwal ve lise öğrencisi Victor Tarca’dan oluşan bir çift, yapay zeka desteğiyle başarıyla öngörü modelleri geliştirdi. Sistem, deneyimli programcıların birkaç saat hatta günler sürecek olan işlevsel bilgisayar kodunu dakikalar içinde üretti. Yapay zekanın kısa ama oldukça spesifik girdilerle analitik kod yazma yeteneği önemli bir avantaj sağladı. Her sistem iyi performans göstermese de, başarılı olanlar uzmanlardan oluşan büyük ekipleri gerektirmedi.
Veri analizi hızlandıkça, özellikle erken doğum gibi ciddi durumların teşhis araçları iyileştirilebilir. ABD’de her gün yaklaşık 1.000 bebek prematüre doğuyor. Araştırmacılar hala erken doğumun nedenlerini tam olarak anlamış değil. Sirota’nın ekibi, 1.200 hamile kadından elde edilen mikrobiyom verilerini dokuz ayrı çalışmada izleyerek olası risk faktörlerini inceledi.
Araştırmanın hızlandırılması için yapay zeka sistemleri küresel bir kitle kaynak yarışması olan DREAM (Dialogue on Reverse Engineering Assessment and Methods) kapsamında test edildi. 100’den fazla ekip, erken doğumla bağlantılı kalıpları tespit etmeyi amaçlayan makine öğrenim modelleri geliştirdi. Ancak bulguların konsolide edilip yayınlanması neredeyse iki yıl sürdü.
UCSF ve Wayne State Üniversitesi’nden araştırmacılar, “Üretken yapay zeka sayesinde, veri biliminde sınırlı bilgiye sahip araştırmacılar her zaman geniş iş birliklerine ihtiyaç duymayacak veya saatlerce kod hatalarını düzeltmekle uğraşmayacaklar,” diyor Tarca. Yapay zeka hızlıca büyük sağlık veri kümelerini işleyerek, araştırmacıların doğru biyomedikal soruları yanıtlamaya odaklanmasına olanak tanıyor.
Kaynak: Cell Reports Medicine’da Şubat 17 tarihinde yayınlanan çalışma. Yazarlar: UCSF’den Reuben Sarwal, Claire Dubin, Sanchita Bhattacharya, MS ve Atul Butte, MD, PhD. Diğer yazarlar: Victor Tarca (Huron Lisesi, Ann Arbor, MI), Nikolas Kalavros ve Gustavo Stolovitzky, PhD (New York Üniversitesi), Gaurav Bhatti (Wayne State Üniversitesi) ve Roberto Romero, MD, D(Med)Sc (Ulusal Çocuk Sağlığı ve İnsan Gelişimi Enstitüsü (NICHD)).
