Kendinizi iyi hissetmediğinizde büyüklerinizin “dilini çıkar bir bakayım”, dedikleri günler geride kaldı sanıyor olabilirsiniz. Eski bir tıbbi teknik yüksek teknolojiyle geri dönüyor olabilir. Öyle ki geliştirilen yapay zeka programı, dil taramalarından hastalıkları belirlemede yaklaşık %97 doğruluk gösteriyor. Özetle dilimiz yine sağlığımızla ilgili ipuçları vermeye devam ediyor.
Geleneksel Çin tıbbı uygulayıcıları iki bin yılı aşkın bir süredir hastaların dillerini genel sağlık durumlarına açılan bir pencere olarak inceliyor. Dilin rengi ve dokusu vücudun içinde neler olup bittiğine dair çok sayıda bilgiyi açığa çıkarabilir. Avustralya ve Irak’tan araştırmacılar, dil görüntülerini analiz etmek ve potansiyel sağlık sorunlarını tahmin etmek için makine öğrenimi algoritmalarını kullanan bir sistemle bu eski uygulamayı 21. yüzyıla taşıdı.
Technologies dergisinde yayınlanan yeni bir makalede açıklanan sistem, dil özelliklerini gerçek zamanlı olarak incelemek için basit bir web kamerasını sofistike görüntü işleme ve yapay zeka ile birleştiriyor.
Nasıl çalışıyor?
Kendinizi kötü hissettiğinizi ve bir doktora görünmeniz gerekip gerekmediğini merak ettiğinizi düşünün. Randevu almak ya da acil servise gitmek yerine, bilgisayarınızın başına oturup dilinizi çıkarabilir ve yapay zekanın işini yapmasına izin verebilirsiniz. Sistem dilinizin bir görüntüsünü yakalar, çeşitli renk modelleriyle işler ve farklı sağlık durumlarıyla ilişkili dil görüntülerinden oluşan geniş bir veri tabanıyla karşılaştırır.
Sistem saniyeler içinde dilinizin sağlıklı görünüp görünmediğini veya diyabet, solunum sorunları ve hatta bazı kanserlerin erken evreleri gibi potansiyel sorunların belirtilerini gösterip göstermediğini söyleyebilir.
Araştırmacılar sistemlerini 5.000’den fazla dil görüntüsü üzerinde eğiterek bunları yedi farklı renkte kategorize ettiler: kırmızı, sarı, yeşil, mavi, gri, beyaz ve pembe (sağlıklı bir dilin rengi). Her renk farklı sağlık durumlarına işaret edebiliyor. Örneğin, sarı bir dil diyabet veya karaciğer sorunlarına işaret edebilirken, mor bir dil zayıf kan dolaşımı veya hatta kanser belirtisi olabilir.
Araştırmaya katılan uzmanlar şöyle söylüyor: “Dilin rengi, şekli ve kalınlığı bir dizi sağlık sorununu ortaya çıkarabilir. Tipik olarak, diyabet hastalarının dili sarıdır; kanser hastalarının dili kalın yağlı bir kaplamaya sahip mor bir dildir ve inme hastaları alışılmadık şekilde şekillendirilmiş kırmızı bir dile sahiptir. Beyaz bir dil anemiye işaret edebilir; şiddetli COVID-19 vakaları olan kişilerin dillerinin koyu kırmızı olması muhtemeldir; çivit veya menekşe renkli bir dil ise vasküler ve gastrointestinal sorunlara veya astıma işaret eder.”
Bu sistemi bilgisayarlı dil teşhisine yönelik önceki girişimlerden ayıran şey, farklı aydınlatma koşullarını hesaba katma yeteneği. İyi bir selfie çekmeye çalışan herkes, ışığın fotoğraflarda renklerin nasıl göründüğünü önemli ölçüde etkileyebileceğini bilir. Aynı durum dil görüntüleri için de geçerli. Ekip, algoritmalarını çeşitli ışık yoğunlukları altında çekilen görüntüler üzerinde eğiterek, ortam aydınlatmasından bağımsız olarak dil rengini doğru bir şekilde değerlendirebilen bir sistem oluşturdu.
Araştırmacılar, dil renklerini sınıflandırmada en doğru yöntemi bulmak için çeşitli makine öğrenimi algoritmalarını test etti. Kazanan? “Extreme Gradient Boost (XGBoost)” adı verilen bir teknik, dil renklerini doğru tanımlamada %98,71 gibi etkileyici bir doğruluk oranına ulaştı.
Ancak asıl test, ekip sistemlerini gerçek hastane ortamlarında çalıştırdığında ortaya çıktı. İki hastanede çeşitli rahatsızlıkları olan 60 hastayı incelediler. Sonuçlar dikkat çekiciydi: Sistem 60 vakadan 58’ine doğru teşhis koyarak gerçek dünyada %96,6’lık bir doğruluk oranı elde etti
Böyle bir sistemin olanaklarını hayal edin. Sağlık hizmetlerine erişimin sınırlı olduğu bölgelerde bu sistem, daha fazla tıbbi müdahaleye ihtiyaç duyan kişilerin belirlenmesine yardımcı olacak hızlı bir tarama aracı olarak kullanılabilir. Ayrıca kronik durumların izlenmesi veya hastalıkların zaman içindeki ilerleyişinin takip edilmesi için de değerli bir araç olabilir.
Elbette, her yeni teknolojide olduğu gibi, dikkate alınması gereken sınırlamalar ve etik hususlar var. Araştırmacılar, sistemlerinin eğitimli tıp uzmanlarının yerini almasının amaçlanmadığına dikkat çekiyor. Daha ziyade, sağlık sorunlarının erken tespiti ve izlenmesine yardımcı olacak tamamlayıcı bir araç olarak tasarladıklarını belirtiyorlar.
Bir de mahremiyet ve veri güvenliği sorunu var. Sistem, hassas tıbbi bilgi olarak kabul edilebilecek insanların dillerinin görüntülerinin yakalanmasını ve saklanmasını gerektiriyor. Bu teknoloji daha da geliştikçe bu verilerin korunmasını ve etik olarak kullanılmasını sağlamak çok önemli olacaktır.
Bu zorluklara rağmen, bu yapay zeka destekli dil teşhis sisteminin potansiyel faydaları çok fazla. Eski tıbbi uygulamaların bilgeliğini modern teknolojinin gücüyle birleştirerek, potansiyel olarak erken hastalık tespiti için hızlı ve erişilebilir bir yöntem sunuyor.
Metodoloji
Araştırmacılar, hastaların dillerinin görüntülerini yakalamak için basit bir web kamerası kullandılar. Daha sonra bu görüntüleri işlemek için dilin orta kısmına odaklanan bir bilgisayar yazılımı kullandılar. Görüntüler, ayrıntılı renk bilgisi elde etmek için beş farklı renk modeli (RGB, YCbCr, HSV, LAB ve YIQ) kullanılarak analiz edildi.
Bu veriler daha sonra, çeşitli sağlık koşullarıyla ilişkili dil görüntülerinden oluşan büyük bir veri kümesi üzerinde eğitilen altı farklı makine öğrenimi algoritmasına beslendi. Sistem, gerçek dünya ortamlarında doğruluğu sağlamak için farklı aydınlatma koşulları altında çalışacak şekilde tasarlandı.
Önemli Sonuçlar
Test edilen altı makine öğrenimi algoritması arasında Extreme Gradient Boost (XGBoost) yöntemi, dil renklerini doğru bir şekilde tanımlamada %98,71’lik doğruluk oranıyla en iyi performansı gösterdi. Hastanelerdeki 60 gerçek hasta üzerinde test edildiğinde ise sistem 58 vakayı doğru teşhis ederek gerçek dünya koşullarında %96,6 doğruluk oranına ulaştı; dil rengi analizine dayanarak diyabet, mikotik enfeksiyonlar, astım ve COVID-19 dahil olmak üzere çeşitli durumları tanımlayabildi.
Tartışma ve Çıkarımlar
Bu çalışma, geleneksel teşhis yöntemlerini modern yapay zeka teknolojisi ile birleştirme potansiyelini göstermekte. Hem kontrollü ortamlarda hem de gerçek yaşam uygulamalarında yüksek doğruluk oranları, erken hastalık tespiti ve izlenmesi için değerli bir araç olabileceğini düşündürmekte.
Bununla birlikte, araştırmacılar bu sistemin profesyonel tıbbi teşhisin yerini almasının değil, mevcut sağlık uygulamalarını tamamlamasının amaçlandığını vurguluyor. Gelecekteki araştırmalar, kamera yansımalarını hesaba katmak için sistemi iyileştirmeye ve daha büyük, daha çeşitli popülasyonlar üzerinde test etmeye odaklanabilir.
Kaynak: https://studyfinds.org/
