Günümüzdeki yapay zeka patlamasına güç veren kazma ve kürekleri tedarik etmesiyle ünlü Nvidia, gözünü sağlık sektörüne dikmiş durumda. Büyük teknoloji firması, sektörde kullanılan teknolojinin temelini oluşturan altyapıyı (çipler ve yazılım) sağlıyor.
Şirketin CEO'su Jensen Huang daha önce büyük ilaç şirketlerinin araştırma ve geliştirme bütçelerinin yarısının geleneksel laboratuvarlardan yapay zekâ destekli projelere kayacağını öngörmüştü.
Financial Times'ın teknoloji muhabiri Cristina Criddle ile yaptığı bu görüşmede, yapay zekanın doktorların iş yükünü hafifletmeye, küresel çapta eğitimli sağlık personeli eksikliğini gidermeye, hasta bakımını iyileştirmeye ve hastalıklar ile ilaç geliştirme alanındaki araştırmaları hızlandırmaya yardımcı olabileceğini savunuyor.
Sağlık sektöründen sorumlu başkan yardımcısı Kimberly Powell, Nvidia'nın tıbbi görüntüleme, yaşam bilimleri, ilaç keşfi ve sağlık analitiğini destekleyen donanım ve yazılım platformlarının satışından sorumludur. Powell, 2008 yılında şirkete katıldı ve GPU işlem çiplerinin tıbbi görüntüleme cihazları için bir platform olarak yerleşmesine yardımcı oldu.
Cristina Criddle: Geleceğin hastanesinin nasıl olacağını düşünüyorsunuz?
Kimberly Powell: Bence bunu şu anda deneyimlemeye başlıyoruz. Menlo Ventures'ın yakın tarihli bir yayını, sağlık hizmetleri sektörünün ABD ekonomisinin diğer tüm sektörlerinden neredeyse üç kat daha hızlı bir şekilde yapay zekayı kullanıma aldığını ortaya koydu. Ve bu çok önemli bir işaret. Bu, dünyanın daha önce hiç görmediği bir trend çünkü sağlık sektörü, haklı olarak, teknolojiye biraz mesafeli yaklaşıyor. Güvenliğin ve diğer tüm unsurların entegre edildiğinden emin olmaları gerekiyor.
Ancak gerçekten de küresel bir olgu yaşanıyor; dünyanın her yerindeki ülkeler, sağlık hizmetlerine olan talebin sağlık çalışanlarının arzını çok aşmasından muzdarip.
Örneğin Çin'deki istatistiklere bakalım: yılda 20 milyon kişi yaşlanıyor, ancak sadece 7 milyon yeni doğum gerçekleşiyor. Bu durum tüm dünyada yaşanıyor, dolayısıyla önümüzde büyük bir fırsat var.
Bazen hemşireler günlerinin %40'ını idari işlere harcıyor. Bir doktorun günü de idari işlerle dolu, bu yüzden yapay zekanın hızla yayılmaya başladığı nokta burası. Yani tıpkı bu konuşmayı kaydedip kaydedemeyeceğinizi sorduğunuz gibi, her doktorun muayenehanesine gireceksiniz ve onlar da aynı şeyi soracaklar. Transkripsiyon hizmetinden ve potansiyel olarak artık özetleme veya farklı yazılar halinde biçimlendirme için yapay zekâ ajanlarını kullanmaktan keyif aldığınız tüm nedenlerden dolayı, bunu bir dizi sağlık hizmeti için de kullanabilirsiniz. Klinisyenin önceden bir rapor oluşturmasına ve daha sonra kontrol edip dengelemesine yardımcı olabilir veya bir sonraki randevuyu planlayabilecek başka bir ajanı devreye sokabilir.
CC: Tıbbi bir görüşmeyi kaydetmiyorum. Bence birçok hasta ve sağlık çalışanı, bu uygulamanın [telefonumdaki kayıt uygulaması] sürekli açık olup tıbbi randevu sırasında dinleme yapmasından biraz çekinecektir. Peki, bu ortamda yapay zeka kullanırken güvenlik sorunlarına nasıl yaklaşıyorsunuz?
KP: İşte bu yüzden çözümü geliştiren belirli sağlık şirketleri var. Nvidia bu hizmetleri sağlamıyor. Biz bu hizmetlerin oluşturulabilmesi için gerekli olan temel teknolojinin büyük bir kısmını sağlıyoruz. Bunlar HIPAA uyumlu [ABD'nin tıbbi kayıtların korunmasını ve hastaların verilerine erişimini gerektiren düzenleyici standartları] uygulama geliştiricileridir. Verilerin ne kadar süreyle ve ne tür verilerle saklandığı konusunda dikkatliler çünkü verileri ayrıştırıp yalnızca en değerli veya gerekli bilgileri alabiliyorlar. Kimliksizleştirme ve anonimleştirme gibi özellikler de kullanılabiliyor ve yine, bu birçok yönden yapay zekanın hizmetinde olan yapay zeka anlamına geliyor.
Ve on yıldan fazla bir süredir, klinik çalışanlarımızın büyük bir kısmının klavyeyle yazı yazmaya yöneldiği çok açık bir şekilde ortada. Geri ödemenin gerçekleşmesi için veri girişi koşullarında klavyeyle yazmak zorunda kaldıklarında, muhtemelen bağlamı kaybediyorlar. Kesinlikle kişisel bağlantıyı kaybediyorlar. Bütün bunlar daha iyi hasta sonuçları yaratmak için yapılıyor ve gerekli tüm bilgileri yakalayabildiğinizde, hatta belki de fiziksel olarak bile bağlantı kurabildiğinizde... Bunun çok büyük faydaları olacaktır.
Yani doktorluk deneyimini yeniden icat ediyorsunuz ve aslında bu platformları icat eden şirketler, doktorların mesleği bırakmasını engellediğini söyleyecekler çünkü doktorlar tüm gecelerini ve hafta sonlarını evrak işleriyle uğraşarak geçiriyorlardı, bu yüzden meslekte daha uzun süre kalacaklar, ki buna ihtiyacımız var... çünkü zaten bir doktor açığımız var.
CC: Buradaki sorunlardan biri de herkesin çok baskı altında olması, sistemlerin güncel olmaması, verilerin her yerde dağınık olması ve hastaneler arasında bağlantı kurulamamasıdır. Ajanların ve yapay zekanın gerçekten iyi çalışabilmesi için bu verileri ayıklayabilmesi gerekiyor.
KP: Bence ajanlar bunun büyük bir kısmının üstesinden geliyor. Henüz çözülmüş bir sorun olduğunu söylemiyorum, çünkü bazı kısımları sistem düzeyinde olacak. Nvidia gibi bir kurumsal şirkette bile verilerimiz her yerde ve karmakarışık ve sistemler birbirleriyle iletişim kurmuyor. Ancak ajanların yapabildiği şey, kendilerine bir iş verildiğinde, bu modellerin mantıksal yönü artık bunu parça parça çözümlüyor.
Nvidia, özellikle yüksek çözünürlüklü BT taramaları olmak üzere sentetik 3 boyutlu görüntüleme üreten bir yapay zeka platformu sunmaktadır. © Nvidia
Ve hangi parçaların gerekli olduğunu anladığınızda, bu bağlantılar zaten mevcut. Elektronik sağlık kaydına girmenin yolları var... [ve] laboratuvar sonuçlarını almanın yolları var. Dolayısıyla bunlar [bağlantılı] olmasa da, ajan aslında bunları bir araya getirebilir ve sentezleyebilir. Bu eski kayıt sistemleri her yerde mevcut, ancak bunların üzerine oturabilen ve tüm bu olumsuzlukların üstesinden gelebilen yeni bir ajan katmanı var.
CC: Ayrıca bu ajanları çalıştırabilecek donanıma da ihtiyacınız olacak, bu nedenle her hastanedeki bilgisayar sistemlerini tamamen yükseltmeniz gerekecek ki bu da ucuz olmayacak. Hastaneler zaten nakit sıkıntısı çekerken bunu nasıl bütçeye dahil edebilirler ki?
KP: Diyelim ki hasta talebimi karşılamak için potansiyel olarak 100 sağlık çalışanı daha işe almam gerekecek. Bunun sorunu şu ki, işe alınmayı bekleyen daha fazla hemşire ve doktor yok. Yani burada bir ikilemimiz var.
Ama bunu sağlamak için, o parayı alıp, sanki 100 tane daha sağlık çalışanınız varmış gibi çalışmanıza olanak tanıyan bir altyapıya yatırsanız ne olurdu? İşte bu yüzden yapay zeka tam da doğru zamanda geliyor. Ve bunu herhangi bir insan işinin yerine geçecek bir şey olarak düşünmek mantıksız, çünkü bu işler için yeterli insan yok. Bu büyük arz-talep açığını gerçekten kapatmanın tek yolu, yapay zeka ve otomasyonun çeşitli seviyelerinden geçiyor.
Yapay zekâ, sağlık sektöründe artık "işe alınabilir" hale geldi çünkü ajan sistemleri, bu alana özgü bilgiye, uygun güvenlik önlemlerine ve bu alanın gerektirdiği alan uzmanlığına sahip olmalarını sağlıyor. Her türlü yanılsamayı kontrol etmenin ve dengelemenin yolları var. Ve açıkçası, hala insan faktörü mevcut... yani asıl mesele, insan gücünü 10 kat veya daha fazla artırmak.
CC: Sizce bu durum eğitim ve deneyimi nasıl değiştirecek? Diyelim ki personel için ayırdığınız bütçeyi alamıyorsunuz çünkü personel sıkıntısı var, yapay zeka kullanmaya başlıyorsunuz ve daha genç veya kıdemli olmayan personel bu sistemleri kullanarak işe başlıyor, ancak ajanlar işin büyük kısmını yaptığı için uygulamalı deneyimleri daha az olabilir. Tüm sistemler kapanırsa, herhangi bir nedenle elektrik kesintisi olursa, bu kişinin kendi başına yapabilecek kadar kendine güvenli ve bağımsız hissetmesini nasıl sağlayacağız?
KP: Ben bir sağlık çalışanı değilim, ama bir çalışan olarak da konuşabilirim belki. Onlar da resmi eğitimlerini ve uzmanlık eğitimlerini tamamlıyorlar. Yaptığınız şey, belki de mesleğinin ilk birkaç yılında olan birini alıp, bu araçlarla onu 30 yıllık deneyime sahip biri seviyesine yükseltmek. Bu gerçekten de tüm sektör için bir yükseliş.
Ancak bu, deneyim ve eğitimin hala önemli olduğu gerçeğini ortadan kaldırmıyor ve mesleğe giren insanlar yapay zekâya doğuştan yatkın olacaklar. Artık ceplerinde ChatGPT ile yaşayacaklar ve okuldan mezun olduğumuz zamanki halimizden bile daha zeki olacaklar. Bu, okul hayatlarında ve meslek hayatlarının ilk günlerinde bile erişebilecekleri ve kullanabilecekleri bilgi miktarı, daha önceki herhangi bir insandan daha fazla olacağı için açıkça belli olacak.
CC: Jensen'in ilaç Ar-Ge harcamalarının yarısının istihbarat üretimine kaydırılacağına dair tahmini hakkında biraz daha detay verebilir misiniz ve zaman dilimlerini de belirtebilir misiniz?
KP: Bilimin tarihsel olarak nasıl yapıldığını düşünürsek, büyük ölçüde insan araştırmasına ve fiziksel laboratuvar deneylerine dayanır. Çoğu zaman süreç şöyledir: Bir fikrim olur, biraz araştırma yaparım, bir hipotez oluştururum, bir deney tasarlarım ve sonra deneyi gerçekleştiririm. Ardından bu bilgiyi alıp tekrar gözden geçirebilirim. Dolayısıyla çok insan odaklı ve çok fiziksel laboratuvar odaklıdır. Bu akışta herhangi bir hesaplamayı tanımlamadım
İlaç keşfi ve Ar-Ge'yi temel nokta olarak kullanacağım çünkü bu alanda çok fazla çalışma yapıyoruz. Sektörün kendisi, en iyi ihtimalle, bir ilacı piyasaya sürmek için yaklaşık 10 yıl sürüyor. Bunun maliyeti 2 milyar dolardan fazla. Ve açıkçası, hala %90'lık bir başarısızlık oranı var. Yani durum hiç de iyi değil.
Bunu iyileştirmeye yardımcı olabilecek üç şey var. Birincisi, öncelikle biyolojiyi anlamak. İkincisi, bir molekül tasarlamamız gerekiyor. Ve üçüncüsü, bu molekülü bir hastalığı tedavi etmek için en iyi özelliklere sahip olacak şekilde optimize etmemiz gerekiyor. Ve ideal olarak, gelecekte, kişisel hastalığınızı tedavi etmek için. Genel olarak yumurtalık kanseri diye adlandırılan şey değil, sizin özel yumurtalık kanserinizi.
Nvidia'nın Isaac yapay zeka platformu, tıbbi robotların geliştirilmesine yardımcı olmak üzere tasarlanmıştır. © Nvidia
CC: Bu alanda görüştüğüm çok sayıda heyecan verici girişim var, bir de Google DeepMind, Isomorphic Labs [2021'de DeepMind'dan ayrılan ilaç keşif girişimi] var, ama henüz piyasaya sürülen bir ilaç görmedik. Bunun ne kadar süreceğini düşünüyorsunuz ve bunun ne kadarı bu molekülü bulduktan sonraki süreç, klinik denemeler de dahil olmak üzere?
KP: Bunun da bir rolü var, ama Jensen yüzde 50 dediğinde, artık ilaç dünyasını tasarım ve optimizasyonu anlayan bir bilgisayarda temsil edebildiğimizi ve bunu 100 kat hızlandıracağımızı kabul edelim. Şu anda bazı alanlarda, in silico (sadece yazılım ve dijital modelleme kullanılarak yapılan araştırma) molekül tasarımı o kadar iyi ki, neredeyse çözülmüş bir problem olarak tanımlanıyor. Neredeyse, değil mi?
Ve bu çok kısa birkaç yılda gerçekleşti. Optimizasyon problemi artık hesaplamalı simülasyon gibi şeyleri devreye sokmaya başladığınız nokta ve biz de bunun üzerinde çalışıyoruz; örneğin, bu moleküllerin insanlar için toksik olmadığından nasıl emin olabiliriz? Biyolojiyi anlamanın diğer bir kısmı da hala çok büyük bir çaba gerektiriyor. Biyolojiyi daha iyi anladığımızda ve daha fazla simülasyon yapabildiğimizde, sadece molekülü çok daha hızlı tasarlamakla kalmayacağız, aynı zamanda bunun bir hastada nasıl görüneceğine dair simülasyonlar da yapabileceğiz; bu da bir sonraki aşama olan klinik geliştirmeyi kolaylaştıracaktır.
Çok daha fazla bilgiye sahip olacağız: İlaçların %90'ı klinik geliştirmenin ilk aşamasında başarısız oluyor, ancak bilgisayar ortamında biyolojiyi daha iyi anlamamız ve bu molekülleri optimize edebilmemiz sayesinde, bu başarısızlık oranını iyileştirmeye başlayacağız. Bunun ne zaman olacağını söyleyemem, ancak son 24 ayda kaydettiğimiz ilerlemenin asla tahmin edemeyeceğimiz bir şey olduğunu hepimiz anlayalım.
CC: Az önce yapay zekâ ile insanlar ve duygusal etkileşimler hakkında bir podcast yaptım. Ele aldığımız alanlardan biri de bakım sektörüydü. Güney Kore'de, içine sohbet robotu yerleştirilmiş bebekler var. Ama aynı zamanda konuşma kayıtlarını da alıyorlar. Kişi çok izole olmuşsa veya intihar eğilimindeyse kırmızı kod, olumlu bir şey varsa yeşil kod veriyorlar. Bizim incelediğimiz vaka gerçekten olumluydu, ancak aynı zamanda bu kişinin bakım görevlisi, 'bu kayıtları incelemek ve tüm bunları kontrol etmek benim için çok fazla ek iş demek' dedi. Yani daha önce de vurguladığınız gibi, paralel bir sorun var: Bu rollerde istedikleri işi yapacak yeterli insan yok. Peki, iş yükünü artırmadan ve insanların sevdiği insani dokunuşu ortadan kaldırmadan nasıl emin olabilirsiniz?
KP: Her yapay zeka sistemi, ne kadar çok kullanılır ve deneyimlenirse, onu geliştirme fırsatınız da o kadar artar. Başlangıçta ChatGPT'yi kullandığınızı hatırlarsanız, size çok fazla saçmalık sunuyordu. Ama şimdi, yeni LLM'leri kullanıyorsanız, oldukça mükemmeller. Oldukça doğrular. Size kanıtları gösteriyorlar. Bunların hepsi bu sistemlere entegre edilecek. Sadece biraz zaman alıyor çünkü çok hızlı gerçekleşiyor. Ve bu sistem kendini geliştirecek. Ve deneyim iyi olduğu sürece, teknolojinin gereken ekstra işi çözeceğine güvenmeliyiz.
Bu duruma alışmalıyız. Her doktor için genel bir sistemimiz olmayacak. Her ajan için Dr. Powell'ın versiyonu olacak çünkü o benim gibi konuşacak, benim gibi düşünecek... Bu yüzden bunun çözülebilir bir sorun olduğunu düşünüyorum, ancak hasta izleme sistemlerinde uzun süre nasıl işlediğini de anlıyorum, çok fazla yanlış alarm veriyordu, bu yüzden faydalı değildi. Ancak bu sistemler gürültüyü azaltma yeteneğine sahip.
CC: Peki, fiziksel yapay zekâ hakkında bana biraz bilgi verebilir misiniz?
KP: Fiziksel yapay zekâ cephesinde, bunun dönüştürücü olacağı iki son derece önemli yol var. Her hastanenin bir robot olmasını istiyoruz ve bununla ne demek istiyorum? Kamera sistemleri hastanenin sadece gözleri. Mekansal zekâ oluşturabilmek: neler oluyor? Hastam koridorda mı kayboldu? Orası çok mu kalabalık? Koridorda ihtiyacım olan ultrason cihazı nerede? Bütün bunlar gerçekten iyi bir akışı engelleyen ve potansiyel olarak gereksiz gecikmelere veya insan kaynaklarının kullanımına neden olan şeyler. İşte bu da bir tür fiziksel yapay zekâ.
Şimdi, 'Çarşaflar burada, ama yapılması gereken yatak şurada' dediğimi hayal edin. Hemşirenin çarşafları taşıması yerine, bu işi yapacak bir teslimat robotu görevlendiremez miyiz? Ve şimdi vizyonunuzu oluşturduğunuza, neler olup bittiğini anladığınıza göre, bu tür bir sistemi yönlendirmek için somutlaştırılmış bir yapay zekayı harekete geçirebilirsiniz
. Bana kalırsa, bunu neden henüz yapmadık ki? Amazon depoları bu kadar akıllı, zeki ve verimli olabiliyorsa, bu teknoloji seviyesini bir hastaneye koymamamız üzücü.
Ama sonra ya ameliyat için ya da hastaların otonom taramasını kolaylaştırmak için robotik sistemlere geçeceğiz. Çünkü ihtiyaç duyduğumuz şeyleri önceden ne kadar verimli bir şekilde anlarsak, daha sonra o kadar çok hizmete, muhtemelen o kadar çok ameliyata, o kadar çok görüntülemeye ihtiyaç duyacağız... Bu yüzden eskiden olduğundan daha fazla radyolog işe alıyoruz ve [yapay zekanın babalarından biri olan Geoffrey Hinton'ın] bu mesleğin belki de şimdiye kadar var olmayacağını düşündüğünü unutmayın.
Yapay zeka aslında radyologlara olan talebi artırıyor. Fiziksel otomasyonun belirli bir seviyesiyle, hem dijital dünya ajanlarına hem de fiziksel bir ortamda iş yürütme yeteneğine sahip olmalıyız ve bu da robotik teknolojisinin her alanında kendini gösterecek; binanın kendisi bir robot olabilir, teslimat robotları çok yardımcı olabilir ve hatta farklı şeylerin teslimatına yardımcı olabilecek klinik robotlar bile olabilir. Bu gerçekten çok heyecan verici bir dünya.
Metin, kısaltılması ve anlaşılır olması amacıyla düzenlenmiştir.
https://www.ft.com/
