HÜTBAT Bülten - Tıbbın Geleceği
Tıbbın Geleceği Sempozyumu için çıkardığımız bu sayıda, hekim adayları olarak bizleri ileride nelerin beklediğine bir ışık tutmak istedik. Emeği geçen herkese teşekkürlerimizi sunarız, iyi okumalar (^◡^)
Tıbbın Geleceği Sempozyumu için çıkardığımız bu sayıda, hekim adayları olarak bizleri ileride nelerin beklediğine bir ışık tutmak istedik. Emeği geçen herkese teşekkürlerimizi sunarız, iyi okumalar (^◡^)
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Alzheimer
Tanısında Yapay Zekâ
Deniz Kapucu
Demansın en sık görülen türü olan Alzheimer, beraberinde
nöropsikiyatrik belirtileri de getiren nörodejeneratif
bir hastalıktır. İlk kez 1906 yılında Alman nöropatolog
Alois Alzheimer tarafından bilim dünyasına
sunulan hastalık, zaman içerisinde hastaya telafi
edilemez hasarlar verir. Hastalık riskinin yaşlanmayla
arttığı ve 65 yaş üzerinde görülme sıklığının her beş
yıl için iki katına çıktığı bilinmektedir. 65 yaş üstü her
10 kişiden birinde, 85 yaş üstü her iki kişiden birinde
görülür.
Alzheimer tanısı, serebrospinal
sıvıda amiloid beta
anomalitesi aranarak
yapılabilir. Bu invazif
işlem hasta için bazı
sağlık riskleri doğurabilmektedir.
PET ve MRI gibi
görüntüleme
teknikleri invazif
olmayan tanı
yöntemlerine
örnek gösterilebilir
ama bu yöntemlerde
de yüksek
maliyet bir sorun
teşkil edecektir.
Retina, Alzheimer biyomarkerları
için iyi bir alternatif
oluşturmaktadır. Son çalışmalar
retinal fundus fotoğraflarının erken
dönem nörodejeneratif hastalıklarla
ilişkili olduğunu gösteriyor. Presemptomatik
Alzheimer farelerin retinalarında amiloid beta plak birikimi
beyindeki birikimden iki buçuk ay önce gözlemlenmiştir.
Yine retina damarlarındaki anormal daralmalar
da Alzheimer hastalığıyla ilişkilendirilmektedir.
Bu açıdan bakıldığında retinal görüntüleme Alzheimer
tanısı için kullanışlı bir alternatif olmaktadır. Buna
karşın nöral retina tabakasının segmentlere ayrılması
ve ölçülmesi gibi çok hassas işlemler insanların hata
oranının yüksek olduğu işlemlerdir. Ayrıca incelenen
özelliklerin tanı için belli standartlara oturtulması da
bir sorun oluşturmaktadır. Bu noktada yapay zekanın
yardımı işleri kolaylaştırmaktadır.
“UK Biobank” adlı İngiltere kökenli açık biyomedikal
veri tabanından alınan verilerle oluşturulan yapay
zeka bu noktada devreye girmektedir.
Araştırmacılar yapay zekayı
uygun kalitede retinal fundus
görüntülerini seçmek için
kullandılar. Yapay zeka,
farklı kalitelerdeki
87.567 sol fundus ve
88.264 sağ fundus
görüntülemeleri
üzerinden seçim
yapabilecek hale
geldi. Makine
öğrenmesinin
kullanıldığı yapay
zeka, farklı
veri tabanlarına
da uyum
sağladı. Makine
öğrenmesine dayalı
bu teknik, tüm
pikselleri dikkate alarak
son kararı verme
yeteneğine sahiptir. Bu
yetenek, insan faktörünün
etkisiyle oluşacak hataları minimuma
indirmektedir. Ayrıca farklı veri
tabanlarıyla uyum sağlaması yönünden
baktığımızda istatistiki bilgileri elde
etmemizi kolaylaştırmaktadır.
4