Aidoc ve 12 sağlık sistemi tanısal yapay zekâyı ölçecek

Bültene göre konsorsiyumun üyeleri yılda toplam yaklaşık 20 milyon hastaya hizmet veriyor. Listede Advocate Health, Cedars-Sinai, Houston Methodist, Mount Sinai, Northwell Health ve Northwestern Medicine gibi büyük sistemler var. Hartford HealthCare, Mercy, Sutter Health, UF Health, University Hospitals ve WellSpan Health de üyeler arasında.

Konsorsiyum üç iş tanımlıyor. Birincisi, vakaları önceliklendiren ve kritik sonucu hızlandıran tanı akışlarını birlikte tasarlamak. İkincisi, bu akışların güvenlik, kalite ve tanı hızına etkisini üye merkezlerde ölçmek. Üçüncüsü, işe yarayanları diğer kurumların da kullanabileceği uygulama ve yönetişim ilkelerine dönüştürmek.

Teknik altyapıyı Aidoc sağlıyor. Şirket bunun için CARE adlı klinik temel modelini ve aiOS adlı kurumsal yapay zekâ işletim sistemini kullanacak. Temel model, çok sayıda görevde kullanılabilen geniş veriyle eğitilmiş model demek. Bülten, yapay zekâ performansının kayma (drift) ve yanlılık açısından sürekli izlenmesi gerektiğini de vurguluyor.

Bülten, gerekçe olarak radyoloji kapasitesindeki sıkışmayı gösteriyor. Harvey L. Neiman Sağlık Politikası Enstitüsü'nün hakemli çalışması bu tabloyu kısmen destekliyor. Journal of the American College of Radiology'de (JACR) yayımlanan analiz, Medicare hak sahiplerinin yüzde 5'lik örnekleminde yaklaşık 2,6 milyon ayakta görüntülemeyi inceledi.

Süre, çekim ile rapor arasındaki takvim günü farkı olarak ölçüldü. Ortalama 0,091 günden 0,193 güne çıktı; artış yüzde 113. Artış BT'de yüzde 318, MR'da yüzde 256 oldu ve çoğu 2022–2023'te yaşandı. Aynı enstitünün AJR'deki çalışmasında ABD'de radyologların yıllık klinik faaliyetten ayrılma oranı 2014'te yüzde 1,1 iken 2022'de yüzde 2,5'e çıktı.

Konsorsiyumun kendisi henüz veri üretmedi; bu bir niyet bildirisi. Bültendeki "yaklaşık 2.000 hastane" ve "yılda 60 milyon hasta vakası" rakamları şirketin kendi beyanı. Konsorsiyumun sonuçlarını Aidoc'un altyapısıyla ölçmesi de bağımsızlık sorusu doğuruyor.

Aidoc araçlarıyla ilgili hakemli dergilerde yayımlanan veriler ise karışık ama öğretici. Northwell Health ekibinin JACR'de yayımladığı ileriye dönük "gölge mod" çalışmasında radyologlar yapay zekâ çıktısını görmedi. Bu çalışmada 3.856 beyin BT anjiyografisinde anevrizma saptama incelendi. Yalnız uyumsuz olgular nöroradyologca yeniden değerlendirildi; bu karma referans standart bir sınırlılık.

Yapay zekânın duyarlılığı 0,846, radyologlarınki 0,718 bulundu; özgüllük benzerdi. Ancak yapay zekânın tek başına yakaladığı anevrizmaların yarısından fazlası 3 milimetreden küçüktü. Operasyonel ölçütler yatan hastalarda en olumlu, ayaktan hastalarda ise olumsuzdu.

İsveç'ten Acta Radiologica'da yayımlanan retrospektif çalışma, kafa içi kanama için üç ticari algoritmayı karşılaştırdı. Değerlendirilebilen 3.902 incelemede Aidoc yüzde 90,3 duyarlılık ve yüzde 99,0 özgüllükle en iyi sonucu verdi. Yazarlar algoritmalar arasında büyük fark olduğunu, yalnız birinin klinik açıdan anlamlı doğruluğa ulaştığını belirtti.

İnsanla birleşik performans ise gerçek okuma yerine matematiksel bir benzetimle hesaplandı. Özete göre tedarikçilerden birinin çalışmaya katılımı da beyan edildi.

Bu iki çalışma, konsorsiyumun neden önemli olabileceğini de gösteriyor. Aynı araç farklı hasta gruplarında farklı değer üretebiliyor. Bu nedenle pratik öneriler şöyle:

• Kurumunuzdaki triyaj algoritmasının yerel duyarlılık ve yanlış pozitif oranını isteyin.

• Yapay zekânın işaretlediği küçük bulguların klinik önemini ve takip yükünü tartışın.

• "Yapay zekâ negatif" etiketinin okuma önceliğini düşürmesine dikkat edin; kaçırılan olgular sessiz kalır.

• Konsorsiyum sonuçları yayımlandığında hangi ölçütlerin bağımsız olarak doğrulandığına bakın.

Aidoc'un Türkiye'deki kullanımı ya da Türkiye İlaç ve Tıbbi Cihaz Kurumu (TİTCK) kaydına dair doğrulayabildiğimiz bir bilgi yok. Bu yüzden haber, doğrudan bir ürün tavsiyesi değil, bir yöntem örneği. Birden çok hastanenin aynı ölçütlerle yapay zekâyı izlemesi, yerli hastane grupları için de uyarlanabilir bir model.

Görüntülerin bulutta işlenmesi, Kişisel Verilerin Korunması Kanunu (KVKK) kapsamında özel nitelikli sağlık verisi işlenmesi anlamına geliyor. Veri akışının ve sözleşmelerin buna göre kurulması gerekiyor.