Suni Zeka, Yaşamını Kaybeden Kalp Hastalarını Tespit Etti

Bilim adamları tarafınca geliştirilen bir makine öğrenme algoritması, kalp hastası insanların EKG’lerini inceleyerek bir yıl için yaşamını kaybedecek insanları yüksek doğruluk oranıyla tahmin etti. Suni zeka ile meydana getirilen bu çalışmanın peşinden, emek harcama ile ilgili etik tartışmaları devam ediyor.
Suni zeka, olabildiğince süratli bir halde tüm dünyada gelişmeye devam ediyor. ABD’de meydana getirilen yeni bir suni zeka emek harcaması ise tıp dünyasında ciddi bir münakaşaya sebep olacak şeklinde görünüyor. New Scientist’te gösterilen yeni bir emek harcama ile ilgili yazı, kalp hastası insanların EKG sonuçlarına bakarak bir yıl içinde, yaşamını kaybedecek insanları tespit eden bir makine öğrenme algoritması duyurdu.
ABD’deki Pennsylvania’nın Geisiger bölgesel sıhhat grubunun geliştirdiği makine öğrenme algoritması, kardiyologların bu zamana kadarki tahminlerinden daha iyi bir tahmin tablosu ortaya çıkardı. Algoritma, geleneksel yöntemin yüzde 65 ile 80 arasındaki başarısına karşılık yüzde 85 oranında bir doğruluk oranı ortaya çıkardı.
Makine öğrenme algoritmasının neticeleri arasından en şaşırtıcı olanlarından biri, kardiyologların EKG sonuçlarına bakılırsa sıhhatli olduklarına inandıkları insanların ölüm riskini bile doğru bir halde hesaplamış olması.
Araştırmacılar, bireysel kardiyologların kararlarını öykünmek etmek için benzer faktörleri örnek alan bir algoritma geliştirdiler. Algoritmanın geliştirilmesinde 400.000 gerçek doktorun izlenimleri kaydedildi. Bu detay düzeyi, algoritmanın kardiyologlardan daha iyi tahminler sunmasını sağlamış oldu.
Makine öğrenme uzmanları, algoritmanın insanları değişik gruplara bakılırsa ne kadar iyi sıralayabildiğini ölçmek için eğri altındaki alan(AUC) adı verilen bir ölçüm kullandılar. Araştırmacılar, bir yıl içinde hangi insanların hayatta kalacağı, hangilerinin öleceği ile ilgili iki grup için algoritmayı ayarladılar. Sonuçta algoritmanın başarısı kaç kişinin doğru gruplara yerleştirildiği ile ölçüldü. Algoritma bu şekilde yüzde 85 oranında bir doğru tahmin averajı elde etti.

Araştırma ile ilgili ilk kusur, bilim adamlarının bir senelik geçmiş verileri kullanmalıdır. Bu şekilde kapalı veri seti ile çalışan bilim adamları, neticelerini direkt doğru neticelerle karşılaştırabilirler. Kapalı bir veriyi değerlendirmekle, hastayı tedavi etme yönteminin değiştirilmesine niçin olacak, araştırılmamış bir mekanizma kullanmak içinde mühim bir fark vardır. En azından birincisi tıp etiği açısından kati olarak etiktir. Sadece ikincisi büyük bir münakaşa mevzusudur.
Tıbbi araştırmalar, aynı etik engellerle karşı karşıya olmaya devam ediyor. Makine öğrenmeye dayanarak meydana getirilen müdahalenin neticeleri değiştirmesi ve bir insanı kurtarması durumunda ne olacak? Suni zeka, büyük bir güvenle kullanılmaya başlanacak mı? Bu araştırmaya dair çalışmaların neticeleri bu münakaşaya dair mühim bir fark yaratacaktır. Ortaya çıkacak daha iyi bir tahmin mekanizması, hastaların değişik şekilde tedavilerle daha uzun süre yaşamasını sağlayabilir.



