HASTALIKLARIN TEŞHİS VE TEDAVİSİ İÇİN TIBBİ GÖRÜNTÜLEMELERDEN YAPAY ZEKA KULLANIMI İLE DAHA HASSAS VE DAHA HIZLI SONUÇ ELDE ETME KONUSUNDAKİ GELİŞMELER: FDA(AMERİKAN GIDA VE İLAÇ DAİRESİ) TARAFINDAN ONAYLANMIŞ TEKNOLOJİLERLE GELİŞTİRİLEBİLECEK YENİ UYGULAMALAR
Author :
Abstract
Tıbbi görüntülemeler başta Manyetik Rezonans (MRI), Bilgisayarlı Tomografi (BT), Ultrasonografi gibi yöntemler olmak üzere endoskopi ve kolonoskopi yoluyla elde edilen görüntülemelere ve mamografi, anjiyografi ve girişimsel radyolojinin diğer bileşenleriyle elde edilen çok geniş bir alanı içermektedir. Bu görüntüler teşhis, operasyon ve tedavi konularında karar destek yardımcıları olduğu gibi yapay zekâ yardımıyla bizzat karar üretecek boyutlara gelmiştir. Amerikan İlaç ve Gıda Dairesi (FDA) onayı alan ilaç ve gıda ürünleri geniş kitleler tarafından güven kazanmaktadır. Bu güven sebepsiz değildir. Geçmiş deneyler, kanıta dayalı çalışmalar, raporlamadaki hassasiyetler bu güvenin ortaya çıkmasındaki başlıca sebeplerdir. FDA 2014 yılından bu yana tıbbi görüntüleme tekniklerinden elde edilen verilerin, yapay zekâ yardımıyla işlenmesi sonucu daha hassas ve güvenilir teşhis konusunda kullanılabilecek ürünleri onaylamaktadır. Aradan geçen sürede Sağlık Alanında Yapay Zekâ kullanan firmalar, bu firmalara ait ürünler ve bu ürünlerin kullanıldığı klinikler bakımından sayı ve çeşit artışı görülmektedir. Bir ürünün FDA onayı almış olması aynı zamanda kullanılan teknolojinin de onaylanmış olduğu anlamına gelmektedir. Bu alanda yapılan çalışmaların çoğu günümüzde kolay ulaşılabilir hale gelen diğer teknolojilerin kullanımı ve entegrasyonu ile geliştirilmiştir. Bir teknolojinin bir kez icat edilmiş olması bile başkalarının da aynı teknolojiyi geliştirebileceği anlamını taşır. Öte yandan bir teknolojinin ilk icat sebebi ne olursa olsun bulunan yöntem başka bir alana uyarlanarak kullanılabilmektedir. Sağlık alanında kullanılan bu teknolojiler uzun süren Ar-Ge çalışmalarıyla elde edilmiştir. Büyük bütçeler kullandıkları da bilinmektedir. Ancak ürün ortaya çıktıktan sonra harcanan zamana ve emeğe değecek ölçüde kazançlar ve başarımlar elde edilmektedir. Gelişmiş ülkelerin Ar-Ge konularında çok önemli bütçeler ayırdığı bilinmektedir. Ar-GE sektöründe öykünme ve tersine mühendislik yöntemleri de son derece doğal ve öykünülen üründen daha başarılı sonuçlar da el edilen yöntemlerdir. Aynı ihtiyaçlara sahip taraflar aynı alt teknolojilere ve insan kaynaklarına da sahipse benzer başarılar gösterebilir. Bu makalede yapılan incelemenin bir amacı da teknoloji geliştiricilere ve girişimcilere sağlık sektöründeki teknolojiler konusunda ilham kaynağı vermek ve bu alanda çalışma ya da yatırım yapmaya motive etmektir.
Keywords
Abstract
Medical imaging includes a wide range of fields, especially Magnetic Resonance (MRI), Computed Tomography (CT), Ultrasonography, as well as imaging obtained through endoscopy and colonoscopy, and other components of mammography, angiography and invasive radiology. These images have reached the size of decision support aids in diagnosis, operation and treatment, as well as making decisions with the help of artificial intelligence. FDA approved products are gaining trust by the masses. This trust is not without any reason. Past experiments, evidence-based studies, sensitivity in reporting are the main reasons for this trust. Since 2014, FDA has approved products that can be used for more precise and reliable diagnosis as a result of processing the data obtained from medical imaging techniques with the help of artificial intelligence. In the meantime, there has been an increase in the number and variety of companies using Artificial Intelligence in the field of health, their products and clinics where these products are used. The fact that a product has received FDA approval also means that the technology used is approved. Most of the work in this field has been developed with the use and integration of other technologies that are now easily accessible. Even once a technology has been invented it means that others can develop the same technology. On the other hand, regardless of the first invention of a technology, the method found can be used by adapting it to another field. These technologies used in the field of health have been obtained through long-term R&D studies. They are also known to use large budgets. However, after the product is created, gains and achievements are obtained that are worth the time and effort. It is known that developed countries allocate very important budgets for R&D issues. In the R&D sector, emulation and reverse engineering methods are also extremely natural and more successful than the emulated product. If parties with the same needs also have the same sub-technologies and human resources, they can achieve similar success. One of the purposes of the review in this article is to inspire technology developers and entrepreneurs about technologies in the healthcare industry and motivate them to work or invest in this field.
Keywords
- Aydoğdu, A., Aydoğdu, Y., Yakıncı, Z., (2017). Temel Radyolojik İnceleme Yöntemlerini Tanima, İ.Ü.
- Aydoğdu, A., Aydoğdu, Y., Yakıncı, Z., (2017). Temel Radyolojik İnceleme Yöntemlerini Tanima, İ.Ü. Sağlık Hizmetleri Meslek Yüksekokulu Dergisi, ISSN:2147-7892, Cilt 5, Sayı 2
- Amarican Radiology Assosiate (Bağlantı Tarihi: 04.01.2021) https://www.americanrad.com/
- American Society of Gastrointestinal Endoscopy (Bağlantı Tarihi: 04.01.2021) https://www.asge.org/
- Badaró, R., Josiane Dantas Viana, & Leone Peter Andrade. (2020). History of Medicine and AdvancedManufacturing for Modernization of Health Services: The New Paradigm for the Learning and Practicing ofMedicine Shortly. Journal Of Bioengineering And Technology Applied To Health, 1(1), 3–7. https://doi.org/10.34178/jbth.v1i1.22
- Batra, A., Clark, J. R., LaHaye, K., Shlobin, N. A., Hoffman, S. C., Orban, Z. S., Colton, K., Dematte, J. E.,Sorond, F. A., Koralnik, I. J., & Liotta, E. M. (2021). Transcranial Doppler Ultrasound Evidence of ActiveCerebral Embolization in COVID-19. Journal of Stroke and Cerebrovascular Diseases, 30(3), 105542. https://doi.org/10.1016/j.jstrokecerebrovasdis.2020.105542
- Benjamens, S., Dhunnoo, P., & Meskó, B. (2020). The state of artificial intelligence-based FDA-approvedmedical devices and algorithms: an online database. Npj Digital Medicine, 3(1). https://doi.org/10.1038/s41746-020-00324-0
- Federal Drug Administiration (Bağlantı Tarihi: 05.01.2021) www.fda.org
- Edelman, R. R. (2014). The History of MR Imaging as Seen through the Pages ofRadiology. Radiology, 273(2S), S181–S200. https://doi.org/10.1148/radiol.14140706
- Esteva, A., Robicquet, A., Ramsundar, B. et al. A guide to deep learning in healthcare. Nat Med 25, 24–29 (2019). https://doi.org/10.1038/s41591-018-0316-z
- E. Tjoa and C. Guan, "A Survey on Explainable Artificial Intelligence (XAI): Toward Medical XAI," in IEEE Transactions on Neural Networks and Learning Systems, doi: 10.1109/TNNLS.2020.3027314.
- Ivanova-Ognyanova, B. (2019). Wilhelm Röntgen - X-ray discoverer. https://www.puls.bg/liubopitno-c- 70/vilkhelm-rontgen-otkrivatel-na-rentgenovite-lchi-n-35036 (Accessed on 20.08.2020).
- "Keynotes," 2019 IEEE International Conference on Artificial Intelligence and Virtual Reality (AIVR), San Diego, CA, USA, 2019, pp. 21-216, doi: 10.1109/AIVR46125.2019.00009.
- Langlotz, C. P., Allen, B., Erickson, B. J., Kalpathy-Cramer, J., Bigelow, K., Cook, T. S., Flanders, A. E.,Lungren, M. P., Mendelson, D. S., Rudie, J. D., Wang, G., & Kandarpa, K. (2019). A Roadmap forFoundational Research on Artificial Intelligence in Medical Imaging: From the 2018 NIH/RSNA/ACR/The Academy Workshop. Radiology, 291(3), 781–791. https://doi.org/10.1148/radiol.2019190613
- Longoni, C., Bonezzi, A., & Morewedge, C. K. (2019). Resistance to Medical Artificial Intelligence. Journal of Consumer Research, 46(4), 629–650. https://doi.org/10.1093/jcr/ucz013
- Miller, D. D., & Brown, E. W. (2018). Artificial Intelligence in Medical Practice: The Question to theAnswer? The American Journal of Medicine, 131(2), 129–133. https://doi.org/10.1016/j.amjmed.2017.10.035
- Nakhuda, H., (2018). Automated Screening for Diabetic Retinopathy/Detection of Cognitive Impairment and Dementia With Artificial Intelligence T1 - IDx-DR: 2018
- Sannino, G., Bouguila, N., De Pietro, G., & Celesti, A. (2019). Artificial Intelligence for Mobile Health DataAnalysis and Processing. Mobile Information Systems, 2019, 1–2. https://doi.org/10.1155/2019/2673463
- Schiavina, R., Bianchi, L., Borghesi, M., Dababneh, H., Chessa, F., Pultrone, C. V., Angiolini, A., Gaudiano,C., Porreca, A., Fiorentino, M., De Groote, R., D’Hondt, F., De Naeyer, G., Mottrie, A., & Brunocilla, E.(2018). MRI Displays the Prostatic Cancer Anatomy and Improves the Bundles Management Before Robot-Assisted Radical Prostatectomy. Journal of Endourology, 32(4), 315–321. https://doi.org/10.1089/end.2017.0701
- Medikal Fizik Derneği (Bağlantı Tarihi 05.01.2021) http://www.medikalfizik.org/Sağlık Bakanlığı, (Bağlantı Tarihi 01.03.2021) https://shgmgetatdb.saglik.gov.tr
