Dr. Parıltay, “Üniversitemizde, yapay zeka ve büyük veri çalışmaları multidisipliner bir anlayışla yapılıyor”
Tıbbi Genetik Uzmanı Dr. Erhan Parıltay, “Sağlıkta Sayısal Dönüşüm ve Sağlık Enformatiği” ile ilgili açıklamalarda bulundu
Yeni tip Koronavirüs (Kovid-19) salgını sürecinde yapay zeka teknolojileri ve dijital uygulamaların önemi pek çok hizmetin yanı sıra sağlık hizmetleri ve tıp eğitiminde de daha çok hissedilmeye başlandı. Ege Üniversitesi Tıp Fakültesi Hastanesinde de son yıllarda Rektör Prof. Dr. Necdet Budak vizyonerliğinde elektronik ve dijital pek çok uygulama hayata geçirildi. Kovid-19 salgını sürecinde önemli bir misyon üstlenen EÜTF Hastanesi hem pandemi sürecinde hem de normal dönemde e- sağlık ve tele tıp sistemleri ile fark yarattı. Egeli hekimler inisiyatif alarak hastalığın tanı ve tedavisinde uyguladıkları algoritmalarla hem bilime hem insanlığa önemli katkı verdiler. Ege Üniversitesi Tıp Fakültesi Dahili Tıp Bilimleri Bölümü Tıbbi Genetik Ana Bilim Dalı Tıbbi Genetik Uzmanı Dr. Erhan Parıltay, “Üniversitemizde birçok yapay zeka ve büyük veri çalışmaları multidisipliner ekipler ve işbirlikleri ile yapılıyor. Pandemi, her alanda olduğu gibi sağlık hizmetlerinin yanı sıra tıp eğitimini de etkilemiştir. Bu süreçte birçok ders, konseyler hasta görüşmeleri sanal platformlarda gerçekleştirilmiştir. E-öğrenme araçlarının gündelik hayatımızın önemli bir parçası olması kaçınılmaz gibi görünmektedir” dedi.
Sağlıkta Sayısal Dönüşüm ve Sağlık Enformatiği ile ilgili bilgiler veren Dr. Erhan Parıltay, “Sayısal dönüşüm etkilerinin en çok gözlemlendiği alanlardan biri tıp ve uygulamalarıdır. Zira sağlık gibi kompleks bilimler sayısal uygulamaların ilk hedefleri arasındadır” dedi.
Hekimliğin, ciddi bilgi yükü ile çoklu değişenlerin eş zamanlı değerlendirilmesini gerektiren ve çoğu zaman sınırları zorlayan bir branş olduğunu ifade eden Dr. Parıltay, “Günlük uygulamalarda, veri kayıt ve hastane bilgi yönetim sistemleri günlük rutin işleyişi kolaylaştırmakta ve hata payını azaltmaktadır. Ayrıca karar destek sistemleri hasta verilerindeki değişkenler ile sağlık profesyonellerini yönlendirmektedir. Uzun yıllardır kullanılan ve artık rutin çalışmanın bir parçası olan sistemlerin halen daha çok daha kapsamlı kullanım alanları oluşturacak sayısal dönüşümün emeklemesi olduğu kanaatindeyim” diye konuştu. Sayısal dönüşümün özellikle son yıllarda sinir hücrelerini taklit ile oluşturulan yapay sinir ağları ve makine öğrenme (yapay zeka) uygulamaları başta görüntü işleme olmak üzere birçok tıbbi kullanımda kendine yer bulmaya başladığını ifade eden Dr. Erhan Parıltay, “Klasik programlamadan farklı olarak büyük veri kümeleri ile sistemler kendilerini eğitmekte ve çoğu zaman yüksek güvenilirlikte tanılar üretmektedir. Örneğin içinde bulunduğumuz dönemde Kovid-19 salgını için, bilim adamları milyarlarca molekülü modelleme yazılımları ile potansiyel tedavi ve aşı hedefleri yönüyle değerlendirmiştir. Klasik laboratuvar yöntemleriyle yıllar sürebilecek araştırmalara gerek kalmadan daha az maliyetle olası hedefler çok kısa sürede tespit edilebilmiştir” dedi.
“Uzmanlaşmış akademisyenlere ihtiyaç var”
Sağlık enformatiğinin önemine değinen Dr. Parıltay, “Büyük veri hala en ciddi sorunlarımızdan biridir. Sensör, görüntüleme, genetik dizileme gibi alanlarda her gün milyarlarca byte veri üretilirken bu verinin doğru sınıflandırıp depolanamaması verinin etkin kullanılamamasına yol açmaktadır. Bu amaçla sağlık enformatiği; veri elde edimi, depolanması, veri madenciliği ve veri işlemeleri alanında uzmanlaşmış akademisyenlere ihtiyaç duymaktadır” dedi.
İnsan genomunun, en büyük veri kaynaklarından biri olduğunu belirten Dr. Parıltay, “Son yıllarda günlük uygulamamızın vazgeçilemez parçası olan DNA dizileme cihazları anneden alınacak bir tüp kan ile anne karnındaki bebeğin genetik yapısını öğrenebilmemizi veya kanser hastasının doku biyopsisi yapmadan serbest DNA ile tanı ve tedavi seçeneklerini değerlendirmemizi olanaklı hale getirmiştir. Bu sonuçlara ancak her okuma sonrası elde edilen terabytelarca verinin doğru analizi ile ulaşılabilmektedir. Bu bağlamda alanındaki ender örneklerden olan mikroarray verisi ile elde edilen kopya sayısı varyasyonlarının makine öğrenme yöntemi ile analiz eden tez çalışmasını da üniversitemiz olanaklarını kullanarak tamamladık. Bu öncül çalışma ile yüzde doksanlara yakın kesinlikte doğru sınıflandırma yapan modeller oluşturduk. Kistik fibrosiz hastalığına yol açan CFTR geni mutasyonlarının sınıflandırılmasına yönelik oluşturduğumuz makine öğrenme modelimizi ise geçen yıl yapılan Balkan Genetik kongresinde sözel bildiri olarak sunduk “dedi.
Kişisel verilerin korunarak büyük sağlık verilerinin oluşturulması için bütüncül bakışın önemli olduğunu ifade eden Dr. Parıltay, “Veri standardizasyonu, tasnifi ve depolaması kaliteli veri akışı sağlanması için çok önemlidir. Üniversitemizde birçok yapay zeka ve büyük veri çalışmaları multidisipliner ekipler ve işbirlikleri ile yapılmaya devam etmektedir. Pandemi süreci her alanda olduğu gibi tıp eğitimini de etkilemiştir. Bu süreçte birçok ders, konseyler hasta görüşmeleri sanal platformlarda gerçekleştirilmiştir. E-öğrenme araçlarının gündelik hayatımızın önemli bir parçası olması kaçınılmaz gibi görünmektedir” dedi.
