Almanya merkezli Alman Kanser Araştırma Merkezi (DKFZ) öncülüğünde geliştirilen yeni bir yapay zeka modeli, sağlık alanında devrim niteliğinde bir başarıya imza attı. Delphi-2M adlı sistem, bireylerin sağlık geçmişini analiz ederek, gelecekte karşılaşabilecekleri 1.000'den fazla hastalığı, 20 yıla kadar önceden tahmin edebiliyor.
Nature dergisinde yayımlanan çalışmada tanıtılan bu model, transformer mimarisi temel alınarak tasarlandı. Aynı altyapı, ChatGPT gibi popüler yapay zeka sistemlerinde de kullanılıyor. Araştırma ekibi, İngiltere merkezli UK Biobank veri tabanında yer alan 400.000 kişiye ait anonim verileri kullanarak modeli eğitti. Veriler; hastane kayıtları, yaşam tarzı bilgileri, demografik veriler ve pratisyen notlarını içeriyor.
"Tıbbi Olayların Dilini Çözüyor"
Projenin başyazarı ve DKFZ Onkolojide Yapay Zeka Bölümü Başkanı Prof. Dr. Moritz Gerstung, Delphi-2M hakkında şu ifadeleri kullandı:
Delphi-2M, insan sağlığının doğal tarihini yeniden yazan bir araç. Tıbbi olaylar dizisini anlamak, bir metindeki dilbilgisi kurallarını kavramaya benzer. Model, hangi hastalıkların birlikte ve hangi sırayla ortaya çıktığını öğrenerek kişisel risk profillerini yüksek doğrulukla belirliyor
Yapay zekanın bu yeteneği sayesinde, hastalıkların zaman içindeki evrimi ve birbirleriyle olan bağlantıları da çözümlenebiliyor. Örneğin, metabolik sendromun diyabet ve kalp-damar hastalıklarını nasıl tetiklediği somut şekilde gözlemlenebiliyor.
1.9 Milyon Hasta Verisiyle Test Edildi
Modelin güvenilirliğini test etmek amacıyla, Danimarka Ulusal Hasta Kayıtları'ndaki 1.9 milyon kişilik veri kullanıldı. Delphi-2M, tek bir hastalığa odaklanan geleneksel yöntemlere kıyasla %20-30 oranında daha yüksek doğrulukla tahmin yaptı. Özellikle kalp krizi, bazı kanser türleri ve ölüm riski gibi kritik sağlık alanlarında üstün performans sergiledi.
Sadece Tahmin Değil, Senaryo da Üretiyor
Delphi-2M’in öne çıkan özelliklerinden biri de sentetik sağlık senaryoları oluşturabilme kapasitesi. Yani model, gerçek verilere dayanmadan geleceğe dair muhtemel hastalık senaryoları oluşturabiliyor. Bu özellik, nadir hastalıklar konusunda veri eksikliği yaşanan alanlarda model geliştirme sürecini hızlandırabilir.
Ayrıca, temporal kümelenmeler (zaman içinde gruplanan hastalık zincirleri) gibi analizler sayesinde, sağlık politikalarında önleyici tıp stratejileri geliştirilebilir.
Prof. Dr. Gerstung, modelin henüz klinik uygulamalar için hazır olmadığını belirterek ❝Daha fazla test ve çeşitlendirme gerekiyor❞ uyarısında bulundu. UK Biobank verilerinin büyük ölçüde 40-70 yaş arası, beyaz ve sağlıklı bireyleri kapsaması, modelde etnik ve sosyoekonomik önyargılar barındırabileceği riskini doğuruyor. Ruh sağlığı, gebelik gibi alanlarda ise veri eksikliği nedeniyle modelin başarısı sınırlı. Araştırma ekibi, küresel sağlık verilerinin entegre edilmesiyle modelin kapsayıcılığının artırılabileceğini vurguluyor.
Gelecekte Delphi-2M gibi yapay zeka sistemleri, kişiselleştirilmiş tıbbın temel taşlarından biri olabilir. Hastaların düzenli takibini sağlayarak, erken müdahale şansını artırabilir. Bu da uzun vadede hem sağlık sistemlerinin yükünü azaltabilir hem de yaşam kalitesini artırabilir.Prof. Dr. Gerstung’un ifadesiyle: ❝Önleyici tıbbın geleceği burada yatıyor: Riskleri öngörerek hastalıkları daha ortaya çıkmadan engellemek❞.
Araştırma ekibi, Delphi-2M’in kodlarını ve ağırlıklarını GitHub üzerinden erişime açtı. Modelin eğitildiği UK Biobank verileri ise belirli başvuru süreçleri doğrultusunda kullanılabiliyor.
