Yapay zeka (YZ), yetenekler ve ilgi açısından hızlı bir büyüme dönemi yaşıyor. YZ’nin sağlık hizmetlerinin mevcut manzarasını değiştirme yeteneği, özellikle yenilikçi teknolojileri benimsemeye tarihsel olarak açık bir alan olan üroloji için önemlidir. Son zamanlarda, artan hesaplama yetenekleri, sağlık hizmetlerinin dijitalleştirilmesi ve gelişim havuzunun mükemmel fırtınası, YZ’nin yetenekler ve ilgi açısından benzeri görülmemiş bir büyüme yaşamasına neden oldu.
Makine öğrenimi, mevcut bilgilere dayanarak gelecekteki sonuçları tahmin etmeyi amaçlayan verilerde ilişkiler kurmak için algoritmaların geliştirilmesine odaklanır. Makine öğreniminde, veri kümeleri ve ilişkili çıktıları bir YZ modeline sağlanarak, altta yatan ilişkiyi en iyi şekilde tanımlayan bir algoritma oluşturması sağlanır. Bu süreç, çeşitli insan gözetimi seviyeleri altında gerçekleşebilen bir öğrenme süreci aracılığıyla sürekli iyileştirmeye tabi tutulur. Bir YZ modelinin bir eğitim veri kümesi aracılığıyla geliştirilmesinin ardından, ayrı bir veri kümesi aracılığıyla doğrulanır. Öğrenme, her öğrenme yinelemesiyle eğitim ve doğrulama veri kümelerindeki doğruluk arttığında gerçekleşir.
YZ’nın tıp alanında ortaya çıkan ve gelecekteki uygulamaları geniş kapsamlı ve sağlık alanında dönüştürücü bir potansiyele sahiptir. Doğru şekilde kullanıldığında, YZ sağlık profesyonellerine ayırıcı tanılar sunarak, karar almada yardımcı olarak ve yönetim planlarını şekillendirerek güç verebilir. Yetenekleri, görüntü analizini geliştirmeye, ilaç keşfini hızlandırmaya ve genomik veriler, hasta demografisi, metabolik profiller ve çevresel etkiler gibi faktörleri analiz ederek tedavileri kişiselleştirebilir. Derin öğrenmenin bir alt kümesi olan büyük dil modelleri (LLM), uygun klinik bağlamlarda tıbbi bilgileri doğru bir şekilde yorumladığı gösterilmiştir. Tıbbi sorun çözme konusunda uzmanlaşmamış genel amaçlı bir LLM olan GPT-4 (Üretici Önceden Eğitimli Dönüştürücü), Amerika Birleşik Devletleri Tıbbi Lisanslama Sınavı’nın 1-3. Adımlarını geçebilmiştir. %86,7’lik ortalama bir puan elde eden LLM’lerin kısa zaman dilimlerinde hızla evrimleşmesi ve iyileşmesi, yalnızca %58,8’e ulaşan selefi GPT-3.5 modeliyle karşılaştırıldığında açıkça görülmektedir. Bu çalışmalar, YZ’nin tıbbi ve teknik olmayan kavramları anlama ve bu düşünce süreçlerini klinik tıpla bütünleşme yeteneğini vurgulamaktadır. YZ’nın potansiyel klinik uygulamalarına örnek olarak ürolojiyi ele alacağım.
ÜROLOJİDE KLİNİK UYGULAMALAR
Araştırmalar, YZ’nin klinik ürolojide çok çeşitli uygulamalara sahip olduğunu ve hem onkolojik hem de onkolojik olmayan rahatsızlıkları olan hastaların teşhisinde, tedavisinde ve bakımında önemli iyileştirmeler sunduğunu göstermiştir. Mesane kanserleri durumunda, YZ, hastalığın teşhisine yardımcı olmak, tümörleri mesane duvarından ayırmak, kas invaziv olmayan mesane kanserlerinin tekrarını tahmin etmek ve bilgisayarlı tomografi (BT) taramalarıyla lokal evrelemeyi kolaylaştırmak için gen ifadesi profillemesi için kullanılmıştır. Prostat kanserleri için, tanı için gen paneli idrar testinin geliştirilmesine, Manyetik Rezonans Görüntüleme cihazı (MRI)’da şüpheli lezyonların belirlenmesine, histopatolojide prostat kanserinin teşhis edilmesine ve derecelendirilmesine, ekstrakapsüler yayılımın tahmin edilmesine ve radikal prostatektomi sonrası biyokimyasal nüksün tahmin edilmesine yardımcı olmuştur. Renal hücreli karsinomlarda YZ, sağ kalımı tahmin etmeye yardımcı olmak için de kullanılmıştır. Testis kanserlerinde YZ, lenfositlerin testis tümör infiltrasyonunu teşhis etmeye yardımcı olabilmiştir.
Onkolojik olmayan ortamlarda, gösterilen kullanım durumları arasında üreter darlıklarını ve bunların yerlerini doğru bir şekilde belirlemek ve %90’dan fazla özgüllükle taş bileşimini tahmin etmek için görüntü analizi yapmak üzere YZ’nin kullanımı yer almaktadır. Ayrıca iyi huylu prostat hiperplazisinin teşhisi ve ciddiyetine uygulanmıştır ve hatta ürodinamik çalışma sonuçlarını otomatik olarak analiz etmek ve hastalığı teşhis etmek için uygulamalar geliştirilmiştir. Bu araçları destekleyen kanıt tabanı büyüdükçe ve YZ’nin yeni uygulamaları geliştirildikçe, Yapay zekanın ürolojik rahatsızlıkların klinik yönetimini büyük ölçüde etkileme potansiyeline sahip olduğu açıktır.
SİSTEM İYİLEŞTİRME
Yapay zeka, belgelendirme ve idari görevlerin yükünü azaltarak ve hafifleterek sağlık hizmeti operasyonlarını önemli ölçüde kolaylaştırma potansiyeline sahiptir. Bu, özellikle hasta ile yüz yüze olmayan görevlerle boğuşan sağlık hizmeti ortamlarında önemlidir. Hekimlerin zaman tahsisine yönelik araştırmalar, bir iş gününün %37 ile %49,2 arasında değişen önemli bölümlerinin elektronik sağlık kayıtları ve hasta ile yüz yüze olmayan görevlerle etkileşime girerek tüketildiğini ortaya koymuştur. Yapay zekanın bu alanları iyileştirme potansiyeli, taburcu özetleri yazmada yardımcı olan araçlar aracılığıyla araştırılmıştır. Ayrıca, randevuları kaçırma riski yüksek olan hastaların belirlenmesi ve önceden onlarla iletişime geçilmesi yoluyla klinik randevularına uyumu iyileştirmek için uygulanmıştır ve bu da devamsızlıkta azalmalara yol açmıştır. Yapay zeka araçlarının daha da geliştirilmesiyle, klinisyenlerin hasta bakımına daha fazla zaman ayırmasını sağlayarak bakım kalitesini artırabilir ve potansiyel olarak sağlık hizmeti maliyetlerini düşürebilir.
EĞİTİM VE ARAŞTIRMA
Yapay zekanın uygulamaları yalnızca hasta ve klinisyen eğitimine değil, aynı zamanda tıbbi araştırma alanına da uzanır. Yapay zeka sohbet robotları, onkoloji, iyi huylu hastalıklar ve acil durum sunumlarını kapsayan ürolojik durumlar hakkında eğitim bilgisi sağlamadaki etkinlikleri açısından değerlendirilmiştir. Sohbet robotlarının yanıtların %93’üne kadar genel olarak doğru ve uygun bilgi sağladığı, yanlış bilgi içermediği ve en sık hastane bağlantılı platformlar, bağımsız gönüllü sağlık kuruluşları ve devlet kurumları gibi güvenilir bilgi kaynaklarına atıfta bulunulduğu bulunmuştur. Karşılaştırıldığında, sosyal medyadaki yanlış bilgi oranları %41 kadar yüksekti. Bilgilendirilmiş onam alma becerisi açısından değerlendirildiğinde, LLM tabanlı sohbet robotlarının cerrahların onamlarına kıyasla daha doğru, okunabilir ve eksiksiz olduğu bulunmuştur. Doğru şekilde kullanıldığında, LLM’ler hastalar için temel bir eğitim aracı olma, ilk danışma noktası olarak hareket etme ve rutin sorgulamalar için doktorların ihtiyaç duyduğu iş yükünü önemli ölçüde hafifletme potansiyeline sahiptir.
Yapay zekanın faydası cerrahi eğitime de uzanır. Çalışmalar, yapay zeka sistemlerinin robotik destekli radikal prostatektomi (RARP) sırasında cerrahi adımların %93’ünü doğru bir şekilde belirleme yeteneğini göstermiştir. Dahası, YZ ayrıca RARP sırasında sütur atmada el hareketlerini ve manevraları belirlemek ve sınıflandırmak üzere eğitilebilir. Bu yetenekler, video incelemeleri, teknik ve verimlilik analizi ile gelişmiş cerrahi eğitim fırsatları sunar ve cerrahi prosedürlerde otomasyon dereceleri olasılığını önerir.
YZ’nın ÜROLOJİ VE SAĞLIK HİZMETLERİNDEKİ POTANSİYEL UYGULAMALARI
Üro-onkoloji
Mesane kanseri:
- Mesane tümörü histopatoloji örneklerinin transüretral rezeksiyonundan mesane kanserinin derecelendirilmesi
- İnvazyon derinliğinin değerlendirilmesine olanak sağlamak ve ameliyat öncesi planlamaya rehberlik etmek için mesane kanserini MRI’da duvar dokularından ayırt etme
- BT ürografi kullanılarak kas ve kas dışı invaziv hastalığa lokal evrelemenin kolaylaştırılması
- Genetik belirteçler kullanılarak kas dışı invaziv mesane kanseri nüksünün tahmini
Prostat kanseri:
- Biyopsi örneklerinden prostat kanserinin derecelendirilmesi
- Radikal prostatektomiyi takiben biyokimyasal nüksün tahmini
Böbrek kanseri:
- Sağkalımı tahmin etmek için nefrektomi örneklerinden böbrek hücreli karsinomu tanımlama ve risk sınıflandırması
Onkolojik olmayan
- Böbrek taşı bileşiminin dijital fotoğraflarda tespiti
- İyi huylu prostat büyümesinde tedaviye klinik yanıtın teşhisi ve tahmini
- Ürodinamik çalışmaların sonuçlarının yorumlanması
Sistem iyileştirme
- Elektronik tıbbi kayıt bilgilerinin incelenmesinden taburcu özetlerinin oluşturulması
- Sağlık hizmeti randevularına gelmeme riski yüksek hastaların belirlenmesi
Eğitim ve araştırma
- Hasta kullanımı için güvenilir sağlık hizmeti bilgilerinin oluşturulması
- Robotik prostatektomi dahil ürolojik prosedürlerde operatif adımların doğru bir şekilde belirlenmesi
ETİK HUSUSLAR
YZ’nın yaygın bir şekilde yayılmasıyla ilgili etik endişeler var ve klinik yönetim ve kullanımını düzenleyen yasal çerçeveler konusunda şu anda bir fikir birliği yok. YZ algoritmalarının içsel karmaşıklığı, iç işleyişini yorumlamadaki zorluklar, bunları genellikle ‘kara kutular’ haline getiriyor ve bu da açıklanabilirlik ve şeffaflık eksikliğine yol açıyor. Dünya Sağlık Örgütü (WHO), YZ kullanımında dikkatli olunması çağrısında bulunarak, hasta güvenliği, özerklik ve daha geniş halk sağlığı manzarası için oluşturduğu potansiyel riskleri vurguladı. YZ ile ilgili tuzaklar arasında, önyargılı veya yanlış veri kümelerine dayalı algoritmaların geliştirilmesi yer alıyor. Önyargılar arasında, veri kümelerinde azınlık nüfuslarının potansiyel olarak yetersiz temsil edilmesi yer alır. Bu tür hatalı eğitimler, güvenilir görünmelerine rağmen temelde yanlış olabilen veya önemli hatalar barındırabilen çıktılarla sonuçlanabilir. Bu olguya ‘modelin halüsinasyon görmesi’ denir. Bu yanlışlıklar, kaynak ve hedefin yanlış atfedilmesi, yetersiz veri temizliği ve kaynak referans sapması gibi nedenlere bağlanmıştır. Yapay zekanın ayrıca en iyi şekilde çalışması için doğrulanmış ve doğru şekilde etiketlenmiş verilere ihtiyacı vardır. Ancak bu gereklilik, zaman kısıtlamaları ve belirli alanlarda olası uzmanlık eksikliği gibi lojistik zorlukları da beraberinde getirir.
SONUÇ
Ürolojide yapay zekanın kullanımı, halihazırda geliştirilmiş ve ufukta daha fazlası olan çok sayıda uygulama ile dönüşümsel bir dönemin habercisi olabilir. Klinik yardımcıları, hasta eğitimini ve hasta sonuçlarını iyileştirme ve günlük görevleri kolaylaştırma potansiyeline sahiptir. Ancak, bu yeni alanda gezinirken etik hususları, veri güvenliği endişelerini ve yapay zeka araçlarının sağlam bir şekilde doğrulanması ihtiyacını dikkate almak önemlidir.
KAYNAKÇA
Bohr A, Memarzadeh K. The rise of artificial intelligence in healthcare applications. Artificial Intelligence in Healthcare 2020: 25–60.
Nori H, King N, McKinney SM, et al. Capabilities of GPT-4 on medical challenge problems. 2023 (https://ui.adsabs.harvard.edu/abs/2023arXiv230313375N; accessed 26 June 2024).
Brin D, Sorin V, Vaid A, et al. Comparing ChatGPT and GPT-4 performance in USMLE soft skill assessments. Scientific Reports 2023; 13: 16492.
Jansen I, Lucas M, Bosschieter J, et al. Automated detection and grading of non-muscle-invasive urothelial cell carcinoma of the bladder. Am J Pathol 2020; 190: 1483–90.
Xu X, Zhang X, Tian Q, et al. Three-dimensional texture features from intensity and high-order derivative maps for the discrimination between bladder tumors and wall tissues via MRI. Int J Comput Assist Radiol Surg 2017; 12: 645–56.
Bartsch G Jr, Mitra AP, Mitra SA, et al. Use of artificial intelligence and machine learning algorithms with gene expression profiling to predict recurrent nonmuscle invasive urothelial carcinoma of the bladder. J Urol 2016; 195: 493–8.
Garapati SS, Hadjiiski L, Cha KH, et al. Urinary bladder cancer staging in CT urography using machine learning. Med Phys 2017; 44: 5814–23.
Johnson H, Guo J, Zhang X, et al. Development and validation of a 25-Gene Panel urine test for prostate cancer diagnosis and potential treatment follow-up. BMC Medicine 2020; 18: 376.
Kim SP, Karnes RJ, Mwangi R, et al. Contemporary trends in magnetic resonance imaging at the time of prostate biopsy: results from a large private insurance database. Eur Urol Focus 2021; 7: 86–94.
Musheyev D, Pan A, Loeb S, Kabarriti AE. How well do artificial intelligence chatbots respond to the top search queries about urological malignancies? Eur Urol 2024; 85: 13–6.
World Health Organization. WHO calls for safe and ethical AI for health. 2023 (https://www.who.int/news/item/16-05-2023-who-calls-for-safe-and-ethical-ai-for-health; accessed 24 June 2024).
