Blog
Sağlığın geleceği: Tıp Bilişimi

Senem Kılıç'ın kaleminden | Senem Kılıç, 09-Eyl-2019 tarihinde paylaştı.

Sağlığın geleceği: Tıp Bilişimi


Günümüzde insanlık hiç olmadığı kadar hızlı bilgi-ürün ve hizmet üretir durumda. Üretilen bilgiler sonucunda gelişen teknolji ürün-hizmet ve sunumu için kesintisiz insan-makine-veri ilişkisini de küresel ölçekte tesis etmeyi hedefliyor. Teknoloji, bu ilişkiler sonucu biriken big data dediğimiz devasa miktarda veriyi işleyerek eyleme yönelik doğru bilgiyi otomatik olarak üretip kullanabilmeyi hedeflerken; bilgi üretiminin hız kesmeden devam ettiği sağlık alanında da mevcut bilgi sistemlerinin vizyon ve kapsamının bu yönde genişletilerek yaygınlaştırılması kaçınılmaz duruma geldi.

İnsanlık kısa bir zaman öncesine kadar doğan sağlık sorunlarının tedavisi üstüne eğilmiş ve gelişimini bu yönde sağladı. Ancak artık sağlığa yaklaşım köklü şekilde değişiyor. Günümüzde önemli olan var olan bir sağlık sorununu çözmek kadar onun oluşmasına neden olan etkenleri bulup daha sorun doğmadan önünü geçmeyi hedeflemekte. Bilimsel bilginin üretim ve değişiminin çok hızlı olması ve bu durumun karar verme süreci ile geliştirilecek/kullanılacak ürünleri (ilaç, tıbbi malzeme, donanım) doğrudan etkilemesi de diğer bir faktör olarak karşımıza çıkıyor. 

Elbetet sağlık sistemindeki dönüşümün bir nedeni de artan nüfus ve popülasyonun yaş oranının her geçen gün biraz daha yükselmesi. Yaşlanan nüfus, artan kronik hastalıklar, ekonomik problemler gibi nedenler sektörde ciddi bir maliyet baskısı oluştururken devlet eliyle karşılanan giderler devletlerde, geriye kalan giderler ise bireylerin üstünde ciddi bir ekonomik baskı yaratıyor.  Bu problemlerin aşılması ve bakım kalitesinin yükseltilebilmesi için sağlık bilgi sistemlerinin sağladığı imkanlardan da yararlanılarak kapsamlı reformlar uygulanmaya çalışılıyor. Ne yazık ki yapılan tüm çalışmalara rağmen hala büyük sıkıntılar devam ederken  sistemde büyük boşluklar bulunuyor. Bu yazımızda size sağlık sektöründeki boşlukların doldurulmasında önemli rol oynayan büyük veri ve deep learning hakkında bilgi vermeye çalışacağız. 

Sağlıkta büyük veri kullanımın amacını en yalın haliyle, büyük veriye dayalı bilgi keşif yetenekleri ve bilgi alt yapısının geliştirilerek, sağlık sistemlerinin kanıta dayalı öğrenen organizasyonlar haline getirilmesi şeklinde açıklamak mümkün.

Bilişim teknolojisi ile büyük verinin sağlık hizmetleri alanına girmesiyle birlikte sağlık sisteminde de bir devrim yaşanıyor. Elektronik ortamda verilerin depolanması önümüze büyük bir veri havuzu çıkarırken, biriktirilen hasta verilerinin miktarında belirgin artışa yol açmakta. Buna verilere ayrıca laboratuvar ve tıbbi görüntüleme verilerini de ekleyebiliriz. Elimizdeki veriler ise hastanın mevcut durumunu değerlendirmemizden öte ilerideki olası hastalık rsiklerini belirlememize yardımcı olarak tıp alanını yalnız sorun çözen bir alan olmaktan çıkarıp aynı zamanda olası sorunları engelleyen bir alana doğru evrimleştiriyor. Bu da adeta insanlık açısından bir devrim.

Dünya Ekonomik Forumu (WEF) sağlık sektörü uzmanı Arnaud Bernaert'in konuyla ilgili yaptığı açıklama  oldukça aydınlatıcı. Bernaert açıklamasında “Eskiden tıpta bir ilaç üretir veya hastalığa tedavi aranırken onlarca yöntem denenir, para ve zaman savrulur giderdi. Şimdi Büyük Veri ve analiz yazılımları sayesinde aynı konudaki milyonlarca vakanın incelenmesi sonucu oluşan protokolleri uygulayarak her hastaya özel tedavi yöntemi belirlenip tıbbi hata ve kayıpları en aza indirmek mümkün” diyor.

Kişiye özel tedaviler özellikle kalp, şeker, kanser gibi dünya genelinde her yıl milyonlarca insanın ölümüne yol açan hastalıklarda ciddi bir önem kazanıyor. İnsanlık açısından hayati risk arzeden bu hastalıkların tedavi yollarını aramak ve çözümünü bulmak konusunda elimizdeki verileri iyi değerlendirmek de büyük önem teşkil ediyor. Veri madenciliği ise burada devreye giriyor. 

Tıbbi veriler üzerinde çalışma yapmak elimizdeki verileri iyi tanımak ve yorumlamakla mümkündür. Tıbbi verilerin yorumlanmasında ise uzmanlara önemli bir rol düşmekte. Bu nedenle uzman görüşleri ile işlemler arasındaki bağlantı iyi kurmak şart.

Örnek olarak A.Kusiak ve arkadaşları tarafından akciğer deki tümörün iyi huylu olup olmadığına dair karar destek amaçlı yapılan çalışmada, istatistikler Amerika da 160.000 den fazla akciğer kanseri vakasının olduğunu ve bunların %90’ının öldüğü saptadı. Bu bağlamda bu tümörün erken ve doğru olarak teşhisi önem kazanmakta. Noninvaziv testler ile elde edilen bilgi sayesinde %40-60  oranında doğru teşhis konulabilse de insanlar kanser olup olmadıklarından emin olmak için biyopsi yaptırmayı tercih etmekteler. Biyopsi gibi invaziv testler ise ciddi maliyetlerin yanısıra çeşitli riskler taşımaktadır. Faklı yerlerde ve farklı zamanlarda kliniklerde toplanan invaziv test verileri arasında yapılan veri madenciliği çalışmaları teşhiste %100 oranında doğruluk sağlandı. 

Tıp Bilişimi sağlık alanında büyük başarılara ve buluşlara imza atan Türk doktorları açısından da gelişmeler dünyanın tüm diğer bölgelerindeki meslektaşları gibi büyük yarar ve yardım sağlayacağı kaçınılmaz bir gerçek olarak önümüzde durmakta. Türkiye olarak bir an önce tıp bilişimi alanına yatırımlar yaparak sistemimizi uygun hale getirmeliyiz. Özellikle veri madenciliği ile doğru ve erken teşhis şu an genç ileride ise yaşlı olacak nüfusumuzun sağlığı ve ülke ekonomimiz açısından büyük önem taşımakta.

Sonuç olarak bilişim  bilişim teknolojileri ile tıp alanlarının kesişim noktasında “Tıp Bilişimi (Medical Informatics)” adlı bir disiplinin doğmuş ve şimdiden çok öenmli bir alan olmayı başarmıştır. Veri Madenciliği ve deep learning teknolojilerinin de özellikle ticari alanlarda yoğun kullanımından sonra, tıbbi kullanımı da gündeme gelmesi insanlık adına büyük bir kazanım. “Veri Madenciliği” tıbbi kullanımı ile daha önce belki de birçok klinik araştırma gerektiren, hem ekonomik hem de insan (veya deney hayvanları) sağlığı açısından sakıncaları olan tıbbi araştırmaların yerini kısmen de olsa doldurarak tıbbi araştırmalar için yeni bir ufuk sağlayacaktır. Kısaca Veri Madenciliği ve deep learning özellikle insan sağlığı ile ilgili olduğu için tıbbi kullanımı ile oldukça önemli bir uygulama alanı bulmaya başlamış ve alan genişleyerek devam edecektir. 

PDF Görüntüle