Tıbbın Geleceği; Daha hızlı, daha keskin, daha ileri görüşlü


Tıbbın Geleceği; Daha hızlı, daha keskin, daha ileri görüşlü




 

İnsan makine arayüzü

Bu medikal robot üreten firmanın reklamından görüntüler biraz ürkütücü ve hayret verici. Fakat artık bunlara alışmak lazım. Bu tarz makineler yaklaşık 15 yıldır ameliyathanelerde kullanılıyor. Bir diğer taraf ise daha bile ilginç: cerrah. Onun bu videodaki payı oldukça az. Ve ameliyat gereçlerini özel parmak joystickleri ve ayak pedalları kullanarak ekranda kullansa bile, mesaj net: ameliyathane de otomasyondan uzak değil. Eninde sonunda, şu an makineyi kontrol eden insanın yerini makine alacak.

Ve tabi ki, her zaman hiç bir insan müdahalesi olmadan ameliyatı tamamen kendi yapan modellerin prototipleri olmuştur. Bunlar ışığı ve X-ray görüntülerini, ultrasonu ve bir çok diğer sensör verisini kullanıyor ve hastalarının üç boyutlu, fonksiyonel bir modelini kullanarak ameliyat stratejileri geliştiriyorlar. Ve ilk araştırmacı grubu daha şimdiden nanorobotlar üzerinde çalışıyor, bunlar damarlarda dolaşıp kanserli hücrelerle savaşacak ve bağışıklık sistemini destekleyecek.

 

Tıp son yıllarda bu tarz inanılmaz gelişmelerden oldukça fazla sayıda gerçekleştiği bir alan. Fakat en büyük ilerlemeler daha gelmedi. Zira 200 yıl önce endüstri devrimi ile başlayan mücadelenin meyveleri yeni yeni toplanmaya başlandı. Tıp insanlara tamir edilebilen makineleri anlatabildi ve insan en son teknolojinin yardımıyla kendisi bilgi haline geldi ve bu bilgi ile algoritmik bir devrimin de parçası haline geldi. Fakat teknoloji ve tıp birleşince, bu insan varoluşunun sınırlarını zorlayabilir. Başka bir ifade ile tıbbın harika bir “prognozu” var.

 

 

Özel üretim insan yedek parçası

Bu yüksek teknoloji ile tıbbın birlikte gelişmesini beş önemli gelişmeye bağlamak lazım: hastalıkların algoritmik teşhisi ve engellenmesi, sağlık hizmetlerinin otomasyonu, emeğin minyatürleşmesi ve mobilize hale gelmesi, tıbbın şahsileştirilmesi ve büyük ölçekte özel üretim insan yedek parçaları. Tüm bu gelişmelerin ortak noktası bunların sadece algoritmik veri ve sinyal işlemenin istikrarlı, hızlı ve yaygın internet bağlantısı ile mümkün olmuş olması – ve bilgisayar destekli tıbbi araştırmadaki olağan üstü ilerleme. Fakat bu adımlar, sadece tıbben değil, insanın dijitalleştirilmesi olmadan mümkün olmayacaktır: insan komplex ve teorik olarak kontrol edilebilen bir sistem olmalı.

 

Bu son gelişmenin sonuçları, tıbbi fütürist ve kitap yazarı Bertalan Meskó’nun da belirttiği gibi, oldukça pratik: teşhis gereçleri gittikçe daha hassas oluyor ve hastalar gittikçe bunları bir doktora ihtiyaç duymaksızın kendileri kullanabilir hale geliyor. Ayrıca hastanın durumuna daha uygun bir tedavi bulmak kolaylaşıyor, bazen DNA seviyesinde. Son olarak, oldukça büyük fakat önemli prosedürler direktman bilgisayar tarafından planlanıyor ve robotlar tarafından yapılabiliyor. Yedek parçalar laboratuvarda üretiliyor, tıpkı şahsileştirilmiş ilaçlar gibi. Hasta, doktor, laboratuvar ve makine arasındaki geleneksel ilişki değişecek ve tıp daha şahsi, keskin ve karmaşık hale gelecek. Bu öyle bir sosyal seviyeye gelebilir ki, bir çok insanın verisi toplanıp bir tür tıbbi tahmin sistemi ile tüm insanlar için bir sağlık modeli oluşturulabilir.

 

Birinci trend: Algoritmalar tedavide daha iyi

İnsan vücudu tek bir parça olarak algılamak için fazla karmaşık. Sistemdeki sıkıntıları tek tek tespit etmek daha kolay, örneğin algoritmalarla şablon tespiti yapmak. Eğer kalp teklerse, deri hücreleri kaotik şekilde büyürse veya konuşmada sorunlar başlarsa, bu acil bir sorunun habercisi olabilir. Makinesel öğrenme normallik ile anomali arasındaki farkı ayırt etmenin de yolu.

 

Bu hastaların kendilerine bakmaları konusunda da umut vaat ediyor. Bir çok uygulama şu an gelişimi devam eden görüntü tanıma sistemi ile karaciğerdeki sorunlu bölgeleri tespit edebiliyor ve hatta bunlar insanların hiç olamayacağı kadar başarılılar. Hem de bunun için öyle çok iyi bir kamera veya akıllı telefona gerek yok.

 

 

Bu metod üniversal, yani görüntü verisi, kalp sesleri, konuşma şablonları veya soyut veri yığınları söz konusu olabilir. Veri toplamanın yardımı ile, bir algoritma istenilen şablonlarla istenilmeyenleri ayırt etmeyi öğrenebiliyor ve ardından bunları yeni verilerde akıl almaz bir keskinlikle tespit edebiliyor. Bu çok iyi çalıştığından, bu yaklaşım şu an Parkinson ve şizofreninin erken aşamalarda kısa ses kayıtları kullanarak tespitinde kullanılıyor. Fakat şu ana kadar bilinmeyen durumları eski veri tabanlarında aramak için de rahatlıkla kullanılabilinir. Bunların tespit edilmemiş semptomlar, gizli işlemler veya reçete yolsuzlukları olmasından bağımsız olarak.

 

Fakat daha şimdiden bu algoritmalara bir direnç oluştu: zira bunlar kimsenin artık anlamadığı şeyleri birleştirdiğinden, kimse onları anlayamıyor.