Drexel Üniversitesi, Stanford Üniversitesi ve RespondHealth araştırmacılarının ortaklaşa yürüttüğü çalışma, hastane sistemlerindeki düz metin formatındaki doktor notlarını yüksek doğrulukla analiz edebilen yeni bir yapay zeka modelini tanıttı. Reçete ve fatura kodlarında yer almayan hayati klinik verilerin ilk kez haritalandırılmasını sağlayan araştırma, tıp dünyasındaki serbest metin krizine çözüm getirmeyi amaçlıyor.
Sistem, onay kutuları ve standart kodların ötesine geçerek doktorların hastaların yan etkileri, psikolojik durumu ve yaşam tarzına ilişkin aldığı notları tarıyor. Çıkarılan her bilgiyi metindeki özgün cümleye bağlayan yapı, geriye dönük denetim imkanı sunuyor. Uzman hekimler tarafından yapılan bağımsız doğrulama testlerinde modelin doğruluk oranı yüzde 99,4 olarak ölçüldü. Araştırmada, 120 hasta dosyasını incelemek için beş uzman hekimin yaklaşık 70 saat harcadığı, yapay zekanın ise aynı veriyi saniyeler içinde hatasız işlediği belirtildi.
Geliştirilen sistem, semaglutid ve tirzepatid içeren GLP-1 reseptör agonistlerini kullanan 16 binden fazla hastanın verileri üzerinde test edildi. Kodlanmış tıbbi kayıtlarda bulunmayan ancak doktor notlarından elde edilen veriler, ilaçların farklı hasta gruplarındaki etkisine ilişkin çarpıcı sonuçlar ortaya koydu.
Kilo kaybı hızı açısından değerlendirildiğinde, başlangıçta kan şekeri seviyesi normal olan bireyler 12 ayın sonunda ağırlıklarının yüzde 7,7'sini kaybederken kötü kontrollü diyabet hastalarında bu oran yüzde 2,7'de kaldı. Buna karşılık kan şekeri değerleri en bozuk olan hastalar, ilaca en hızlı ve en yüksek iyileşme yanıtını veren grup oldu. Ayrıca fatura kodlarında görünmeyen verilere göre, ilacı kullanan orta ve şiddetli depresyon hastalarının psikolojik tarama puanlarında 6 puanlık belirgin bir gerileme ve kronik ağrı hissinde düşüş saptandı.
Tıbbi kayıtların görünmeyen kısmı veri havuzuna eklendi
Araştırmacılar, kullanılan kan şekeri ölçümlerinin yüzde 70'inin ve hastaların ilacı aktif kullandığına dair kanıtların yüzde 30'unun yalnızca doktor notlarında yer aldığını vurguladı. Geleneksel veri tabanlarında bu bilgilerin eksik kalması nedeniyle birçok hastanın sistem dışı kaldığı ifade edildi.
RespondHealth CEO'su Dr. Vicki Seyfert-Margolis ve Drexel Üniversitesi Tıp Fakültesi Dekanı Dr. Charles B. Cairns, onlarca yıldır gerçek dünyadaki ilaç etkilerinin eksik verilerle incelendiğini belirtti. Araştırmacılar, yapay zekanın doktorun yerini almadan tıp bilimine muazzam bir denetlenebilir veri havuzu sağladığını duyurdu.
