Pediatrik Bakımda Yapay Zeka, Zorluklar ve Yeni Verimlilikler Getiriyor

Pediatride Yapay Zeka Kullanımının Riskleri ve Zorlukları

Desai, büyük dil modellerinin " dalkavukluğa ", yani onu harekete geçiren kullanıcıyı tatmin etme arzusuna ve uydurma bulgular içeren halüsinasyonlara eğilimli olduğunu açıklıyor.

Yapay zekanın pediatride kullanılmasının, birçok çocuk hastalığının nadir olması ve dolayısıyla algoritmaların tahmin etmesinin daha zor olması nedeniyle zorluklar yarattığını belirtiyor.

"Bu tamamen biyoistatistiksel bir sınırlamadır: Bir algoritmanın gerçek hayattaki performansı, büyük ölçüde rahatsızlığın yaygınlığına bağlıdır. Rahatsızlık ne kadar yaygınsa, algoritma o kadar doğru olur," diye açıklıyor Desai. "Tersine, rahatsızlık ne kadar nadirse, algoritmanın performansı o kadar kötü olur."

Desai'ye göre, bilim insanları birincil bağışıklık yetersizlikleri gibi nadir görülen pediatrik rahatsızlıkları tespit etmek için makine öğrenimi algoritmaları kullansalar da, yine de çok sayıda "sahte pozitif" sonuç üretiyorlar. Çocukların daha sonra çok sayıda gereksiz ve pahalı teste tabi tutulduğunu söylüyor.

DEVAMINI OKU: Yapay zeka günümüzde sağlık sektöründe birçok farklı şekilde kullanılıyor.

Desai, "Bu durum, söz konusu algoritmaların bakım noktasında uygulanmasını oldukça zorlaştırıyor" diyor.

Ayrıca eğitim önyargıları pediatri alanında riskleri de beraberinde getiriyor .

Desai, "Bazı hasta grupları eğitim verilerinde yeterince temsil edilmemişti, bu nedenle modelin bu hastalar hakkındaki tahminleri yanlıştı" diyor.

Hastanenin başkan yardımcısı ve yardımcı CIO'su Teresa Tonthat, yapay zeka risklerini yönetmek için Texas Children's'ın bir yapay zeka yönetim ve yönlendirme komitesi kurduğunu söylüyor.

Tonthat, yönetim komitesinin tüm yapay zeka modeli sonuçlarının, hasta kararları vermeden önce bilgileri doğrulamak için "aracı bir insan" gerektirdiğini söylüyor. Komitenin ayrıca düzenleyici gereklilikler, önyargı ve yapay zeka halüsinasyonları konusundaki endişeleri de ele aldığını ekliyor.

Tonthat, sağlık sisteminin çocuklarla ilgili verilerle çalışması nedeniyle Texas Children's'ın bakım ekiplerine Epic'in MyChart'ı aracılığıyla onaylar konusunda eğitim sağladığını ve Microsoft gibi tedarikçilerle hasta verilerini nasıl değerlendirip koruduklarını görüşmek üzere çalıştığını söylüyor.

Tonthat, "Pediatrik hastalarımız hakkında bilgi edinme konusunda risk toleransımız çok düşük" diyor.

Risklere rağmen yapay zeka, klinik sorunların çözümü ve iş akışlarında verimliliğin artırılması için fırsatlar sunuyor.

Pediatride Radyoloji ve Tanı için Yapay Zeka

Tonthat, Texas Children's'ın on yıldan uzun süredir yapay zeka kullandığını ve klinik sorunları çözmek için öngörücü modelleme, otomasyon, derin öğrenme ve makine öğrenimine yöneldiğini söylüyor. Hastane, özellikle bakım ekibi iş akışlarını iyileştiren modellerle son iki yıldır üretken yapay zekayı araştırıyor. Texas Children's'taki klinik ekipler arasında ilginin artması zaman aldı, ancak artık personel ölçeklendirmeye hazır, diyor.

Texas Children's, radyologların kemik yaşını tahmin edebilmesi için bir yapay zeka modeli oluşturdu. Model, pediatrik ellerin milyonlarca röntgeni kullanılarak eğitildi.

Tonthat, "El görüntülerinin milyonlarca X-ışınına sahip olduğumuz için, modeli, çocuğun elinin kemik yoğunluğu açısından yaşını saniyeler içinde bilmesini sağlayacak şekilde eğittik" diyor.

Tonthat'a göre, Texas Children's, kemik yaşı yapay zeka tabanlı tahmin modelini kullanarak, yapay zekayı radyologların klinik iş akışlarına entegre ederek işlem süresini %50 oranında iyileştirmeyi başardı. Yapay zeka modeli, hastanenin radyoloji ve bilgi hizmetleri bölümleri ile yapay zeka yönetim ve rehberlik komitesi arasındaki bir iş birliğidir.

Desai'ye göre CHOP ayrıca radyolojide de yapay zekayı kullanıyor.

"CHOP'taki araştırmacılar araştırmalarında, radyoloji teşhislerini iyileştirmek, laboratuvar hatalarını önlemek, patoloji slaytlarından tanı koymayı hızlandırmak ve daha fazlası için yapay zekaya bakıyorlar" diyor.

Desai, bir doktorun astımı kötü kontrol edilen bir hastayı muayene etmesi durumunda, ortam yapay zeka aracının hastanın astım geçmişini otomatik olarak alabileceğini, geçmiş astımla ilgili ziyaretleri özetleyebileceğini ve hastanın grip riski daha yüksekse doktora bildirimde bulunabileceğini söylüyor. Ardından, hastanın sigorta planının hangi ilaçları karşıladığını kontrol edip astım kontrol uzmanına ilaç siparişi vermeye başlayabileceğini de ekliyor.