PKOS’un erken teşhisi suni zeka ile mümkün, iddia emek vermesi

Son Ulusal Tıp Enstitüleri, çoğu zaman 15 ila 45 yaş arasındaki hanımefendileri etkileyen en yaygın hormon problemi olan polikistik over sendromunun (PCOS), suni zeka (AI) ve makine öğrenimi (ML) kullanılarak etkili bir halde tespit edilip teşhis edilebileceğini iddia ediyor . Sıhhat Emek harcaması (NIH).

Araştırmacılar, PCOS’u teşhis etmek ve sınıflandırmak için AI/ML’yi kullanan yayınlanmış bilimsel yazıları dikkatle incelediler ve bu tür programların bunu yaparken etkili bulunduğunu keşfettiler.

Janet Hall, “Toplumda yetersiz yada yanlış teşhis edilen PKOS’un ciddi yükü ve potansiyel ciddi neticeleri göz önüne alındığında, PKOS riski altında olabilecek hastaların belirlenmesinde AI/ML’nin yararını belirlemek istedik” dedi. Ulusal Sıhhat Enstitüleri’nin bir parçası olan Ulusal Çevre Sağlığı Bilimleri Enstitüsü’nde (NIEHS) kıdemli araştırmacı ve endokrinolog ve çalışmanın ortak yazarı M.D. “Suni zeka ve makine öğreniminin PKOS’u tespit etmedeki etkinliği düşündüğümüzden daha etkileyiciydi.”

Polikistik over sendromu tanısı koymanın zorlukları

Polikistik over sendromu, anormal yumurtalık fonksiyonu ile karakterize edilir ve çoğunlukla yüksek testosteron seviyeleriyle beraber bulunur. Hastalık düzensiz tane görmeye, sivilceye, yüzdeki kılların artmasına yada saç dökülmesine niçin olabilir.

Tip 2 diyabet, uyku bozuklukları, ruhsal problemler, kalp hastalıkları, rahim kanseri ve kısırlık şeklinde öteki üreme sorunları PKOS’lu hanımefendiler için yaygın risklerdir.

Araştırmanın kıdemli yazarı ve NIEHS’de destek araştırma doktoru ve endokrinolog olan MD Skand Shekhar, “PKOS’un teşhisi öteki koşullarla örtüşmesi sebebiyle zor olabilir” dedi. “Bu veriler, PKOS’lu hanımefendilerin tanı ve bakımını iyileştirmek için AI/ML’nin elektronik sıhhat kayıtlarına ve öteki klinik ortamlara entegre edilmesinin kullanılmayan potansiyelini yansıtıyor.”

PKOS tanısına destek olabilecek kırılgan tanısal biyobelirteçleri bulmak için çalışmanın yazarları, geniş popülasyon araştırmalarını elektronik sıhhat veri kümeleriyle birleştirmeyi ve standart laboratuvar testlerine bakmayı önerdi.

Polikistik over sendromunun tanı kriterleri ve suni zeka/makine öğreniminin görevi

Tanı, vakit içinde gelişen, genel olarak tanınan, standartlaştırılmış kriterler kullanılarak yapılır.

Bu kriterler tipik olarak klinik emare ve semptomların (mesela akne, aşırı kıllanma, tane düzensizliği) yanı sıra laboratuvar ve radyolojik bulguları (mesela yumurtalık ultrasonunda oldukça sayıda ufak kist ve büyümüş yumurtalıklar) ihtiva eder.

Suni zeka (AI), insan zekasını öykünmek etmek ve tahmin yada karar almayı desteklemek için bilgisayar tabanlı araçların yada sistemlerin kullanılmasıdır. Makine öğrenimi, geçmişten elde edilmiş bilgilerin günümüzdeki karar alma süreçlerine rehberlik etmek için kullanılmasına odaklanan bir suni zeka dalıdır.

Suni zeka, elektronik sıhhat kayıtlarından toplananlar şeklinde oldukça çeşitli verileri işleyebildiği için PKOS şeklinde teşhis edilmesi zor durumların belirlenmesine destek olacak ideal bir araçtır.

Neticeleri inceleyin

Geçtiğimiz 25 yıl süresince (1997-2022), PKOS’u tanımlamak için AI/ML’yi kullanan hakemli çalışmaların tümü araştırmacılar tarafınca dizgesel olarak incelenmiştir.

Araştırmacılar, Ulusal Sıhhat Enstitüleri’ndeki uzman bir kütüphanecinin yardımıyla potansiyel olarak uygun emekler buldular. Toplamda 135 emek vermeyi incelediler ve bunlardan 31’i bu yazı için kullanıldı.

Her gözlemsel emek verme, hastaları teşhis etmek için AI/ML tekniklerinin iyi mi kullanıldığını değerlendirdi. Araştırmaların ortalama yarısı ultrason görüntülerini içeriyordu. Çalışmalara katılanlar averaj 29 yaşındaydı.

Tanı koymak için standart tanı kriterlerini kullanan 10 çalışmada PKOS’u tespit etme doğruluğu %80 ila 90 içinde değişmiştir.

Shekhar, “Bir takım teşhis ve sınıflandırma yönteminde, PKOS’un tespitinde AI/ML’nin oldukça yüksek performansı vardı ki bu da çalışmamızın en mühim noktası” dedi.

Yazarlar, suni zeka ve makine öğrenimine dayalı programların, hanımlarda PKOS’u daha erken tespit etme yeteneğimizi mühim seviyede artırabileceğini, bunun sonucunda mali tutum sağlanabileceğini ve PKOS’un hastalar ve sıhhat sistemi üstündeki yükünü azaltabileceğini öne sürüyor.

Suni zeka ve makine öğreniminin kronik sıhhat bozukluklarında kusursuz entegrasyonu, sağlam doğrulama ve kontrol prosedürlerine haiz takip emek harcamaları yardımıyla mümkün olacaktır.