Londra’daki Imperial College araştırmacıları, bir elektrokardiyogramın (EKG) iki saniye içinde okunmasını sağlayan bir yapay zeka sistemi geliştirdi. Bu sistem, kliniklerin aynı kayıttan tespit edemediği kalp yetmezliği ve kapak hastalığı gibi durumların belirtilerini tanımlıyor. Elde edilen sonuçlar, Münih’teki Avrupa Kardiyoloji Derneği kongresinde sunuldu ve Guardian tarafından bildirildi. Deneme, Amerika Birleşik Devletleri’nde 67.000 hasta üzerinde gerçekleştirildi.
Yapay zeka aracı, kalp yetmezliği vakalarının %81’ini ve kapak hastalığı vakalarının %90’ını tespit etti. Bu sonuçlar, başlangıçta bu durumları tespit etmek için tasarlanmayan bir test kullanılarak elde edildi. Imperial College’da British Heart Foundation klinik araştırma görevlisi olan Dr. Ahmed El-Medany, bu sistemi ‘süper insan yapay zeka’ olarak tanımladı.
Dr. El-Medany, EKG kaydında sinyalin mevcut olduğunu ancak kliniklerin bunu güvenilir bir şekilde çıkaramadığını belirtti. Bu sistem, esasen kapasite sorununu ele almak amacıyla tasarlandı. Imperial’dan Kardiyoloji Profesörü Fu Siong Ng, “Hastalar, doktorları tarafından yönlendirildikten sonra kalp ultrasonu taraması için genellikle birkaç ay beklemek zorunda kalıyor” dedi.
Kalp yetmezliği, gecikmelerin ciddi sonuçlar doğurabileceği bir durumdur. Hastalık zamanla ilerler ve tedavi genellikle daha erken başladığında daha etkili olur. Bu nedenle, hastaların durumları değişirken, sıralarını beklemek zorunda kalmaları sorun yaratıyor. Bir ekokardiyogram, eğitimli bir sonografa, özel ekipmana ve randevuya ihtiyaç duyar. Oysa bir EKG, sadece on elektrot ve bir hemşire ile kaydedilebilir, bu nedenle çok daha sık uygulanıyor.
Bu nedenle yapay zekanın, kliniklerin yerini almak yerine triage (önceliklendirme) için kullanılması hedefleniyor. Yazılım, mevcut EKG’leri analiz ederek yapısal kalp problemi olma olasılığı daha yüksek olan hastaları belirleyebiliyor. Böylece bu hastalar, diğer hastalarla aynı sırayla değil, ultrason için öncelikli olarak değerlendiriliyor. British Heart Foundation’dan Kardiyolog Dr. Sonya Babu-Narayan, “Bu araştırmadaki yapay zeka EKG gibi teknolojiler, kalp anormalliği olma olasılığı en yüksek olan hastaları hızlı bir şekilde tespit etmek için bir çözüm olabilir” dedi.
Bu yaklaşımın ölçeklenebilir olmasının bir başka nedeni de maliyetidir. EKG, en ucuz ve yaygın kullanılan tıbbi testlerden biridir. Dolayısıyla, mevcut kayıtları analiz etmek için yazılım eklemek, nispeten az bir ek altyapı veya masraf gerektirecektir. Mevcut deneme, daha geniş bir araştırma programının parçasıdır. Ng’nin grubu, hasta kayıtlarıyla bağlantılı 1,6 milyon EKG üzerinde eğitim aldı.
Araştırmalar, kalp yetmezliği ve kapak hastalığının ötesine geçiyor. Modeller, kalp krizi ve aritmi gibi durumların yanı sıra diyabet ve böbrek hastalığı gibi kardiyoloji dışındaki durumları da tanımlamak için kullanıldı. Araştırmacılar, kalp hastalığı için %83 ila %93, diğer durumlar için ise %70 ila %80 oranında doğruluk bildirdi.
Brezilya veri seti, bu çalışmalar için önemli bir parçadır çünkü kayıtlar, hastaların başına gelen olaylarla bağlantılıdır. Bu, modellere, bir EKG’deki hangi kalıpların sonraki teşhislerle ilişkili olduğunu öğrenme imkanı sağlar. Araştırma üniversite sınırlarını aştı. BHF destekli çalışma, Cardiovolt.ai adında bir girişim aracılığıyla ticarileştiriliyor. Ng, bu girişimde baş tıbbi sorumlu olarak görev yapıyor.
Ekibin bir sonraki adımı, hem donanım hem de yazılımı kapsayacak. Yapay zeka entegre edilmiş taşınabilir EKG cihazları, teknolojiyi hastanelerin ötesine taşıyarak EKG’lerin daha kolay yapılabileceği ortamlara girmesini sağlayabilir. Ancak bu, sistemin rolünü, mevcut hastaları önceliklendirmekten, henüz daha fazla test için yönlendirilmemiş kişileri tanımlamaya potansiyel olarak değiştirebilir.
Britanya, bu tür teknolojilerle ilgili çözülmemiş bir düzenleyici soruna sahiptir. Ülke, kardiyovasküler derin teknoloji için güçlü bir akademik altyapıya sahip. Ancak, bir tıbbi kongrede sunulan akademik bir sonucun, hastanelerde rutin kullanımına geçişi için ayrı bir klinik doğrulama ve düzenleyici onay süreci gereklidir. Mevcut sistem henüz bu süreçten geçmemiştir. Daha fazla araştırma için yönlendirilmesi gereken hastaları tespit eden bir yapay zeka aracı, klinik bir iddia ortaya koyuyor. Bu nedenle, Birleşik Krallık’ta ölçeklenerek kullanılmadan önce ilgili tıbbi cihaz gerekliliklerini karşılaması gerekecektir.
Bir tıbbi kongrede sunulan bilgiler ile rutin klinik uygulamada gösterilenler arasında da bir fark bulunmaktadır. Deneme, kalp yetmezliği ve kapak hastalığı hakkında EKG’den bilgi çıkarılabileceğini öneriyor, ancak bu bilgilerin gerçek klinik ortamlarda kullanılması ile daha erken tedavi veya hasta sonuçlarında iyileşme sağlanıp sağlanamayacağını henüz gösteremiyor.
