Telefon uygulamaları yapay zeka ile sağlıkta yeni bir çağa giriyor!
PITTSBURGH – UPMC ve Pittsburgh Üniversitesi’ndeki doktor-bilim insanları tarafından geliştirilen ve kulak enfeksiyonlarını veya akut orta kulak iltihabını (AOM) doğru bir şekilde teşhis etmek için yapay zeka kullanan yeni bir akıllı telefon uygulaması, JAMA Pediatrics’te yayınlanan yeni araştırmaya göre, küçük çocuklarda gereksiz antibiyotik kullanımını azaltmaya yardımcı olabilir.
OM, antibiyotiklerin reçete edildiği en yaygın çocukluk çağı enfeksiyonlarından biridir, ancak yoğun eğitim olmadan diğer kulak rahatsızlıklarından ayırt edilmesi zor olabilir. Akıllı telefon kamerasına bağlı bir otoskop tarafından çekilen kulak zarının kısa bir videosunu değerlendirerek tanı koyan yeni yapay zeka aracı, eğitimli klinisyenlerden daha doğru olabilecek basit ve etkili bir çözüm sunuyor.
Pitt Tıp Fakültesi’nde pediatri profesörü ve Genel Akademik Pediatri Bölümü direktörü ve UPMC Children’s Community Pediatrics’in başkanı olan kıdemli yazar Alejandro Hoberman, M.D. “Akut orta kulak iltihabı genellikle yanlış teşhis edilir” dedi. Hoberman açıklamalarının devamında, “Yetersiz teşhis yetersiz bakımla, aşırı teşhis ise gereksiz antibiyotik tedavisiyle sonuçlanmakta ve bu da mevcut antibiyotiklerin etkinliğini tehlikeye atabilmektedir. Aracımız doğru teşhisin konulmasına ve doğru tedavinin yönlendirilmesine yardımcı oluyor.” ifadelerini kullandı.
Hoberman, çocukların yaklaşık %70’i ilk doğum günlerinden önce kulak enfeksiyonu geçirdiğine işaret ediyor. Bu durum yaygın olmasına rağmen AOM’nın doğru teşhisi, kıvranan bir bebeğin kulak zarının kısa bir görüntüsünden elde edilen ince görsel bulguları tespit etmek için hala eğitimli bir göz gerektiriyor. Hoberman ve ekibi, AOM tanısında doğruluğu artıracak pratik bir araç geliştirmek amacıyla, 2018-2023 yılları arasında UPMC pediatri ofislerini ziyaret eden 635 çocuğun timpanik membranını gösteren 1151 videodan oluşan bir eğitim kütüphanesi oluşturarak ve bu kütüphaneye açıklama ekleyerek işe başladı. AOM araştırmalarında geniş deneyime sahip iki eğitimli uzman videoları inceledi ve AOM ya da AOM değil teşhisi koydu.
Araştırmacılar, timpanik membranın şekil, konum, renk ve yarı saydamlık gibi özelliklerine bakarak AOM’ı tespit etmek üzere iki farklı yapay zeka modelini geliştirmek için eğitim kütüphanesindeki 921 videoyu kullandılar. Daha sonra modellerin nasıl performans gösterdiğini test etmek için kalan 230 videoyu kullandılar.
Her iki modelde %93’ün üzerinde duyarlılık ve özgüllük değerleri üreterek oldukça doğru sonuçlar alındı. Hoberman, klinisyenlerle yapılan önceki çalışmalarda, sağlık hizmeti sağlayıcısının türüne, eğitim düzeyine ve muayene edilen çocukların yaşına bağlı olarak AOM’nın tanısal doğruluğunun %30 ila %84 arasında değiştiğini belirtiyor.
Hoberman, “Bu bulgular, aracımızın birçok klinisyenden daha doğru olduğunu gösteriyor. Birinci basamak sağlık hizmeti ortamlarında, klinisyenleri AOM’ı kesin olarak teşhis etme ve tedavi kararlarına rehberlik etme konusunda desteklemek için bir oyun değiştirici olabilir” dedi.
Hoberman, “Aracımızın bir diğer faydası da çektiğimiz videoların hastanın tıbbi kayıtlarında saklanabilmesi ve diğer sağlayıcılarla paylaşılabilmesi” dedi. “Ayrıca ebeveynlere, tıp öğrencileri ve asistanlar olmak üzere stajyerlere ne gördüğümüzü gösterebilir ve neden kulak enfeksiyonu teşhisi koyduğumuzu veya koymadığımızı açıklayabiliriz.Bu bir eğitim aracı olarak ve ebeveynlere çocuklarının uygun tedavi gördüğüne dair güvence vermek için önemli” diyerek sözlerine ekledi.
Hoberman, AOM’ın doğru teşhisini geliştirmek ve tedavi kararlarını desteklemek için teknolojilerinin yakında sağlık hizmeti sağlayıcı ofislerinde yaygın olarak uygulanabileceğini umuyor.
