26.10.2020, 12:00

Sağlık Sektöründe Organik Zeka

Sağlık dediğimizde; hastanelerimiz, ilaç şirketleri, sağlık ekipmanları sağlayıcılar, eczaneler, ilaç depoları, sigorta şirketleri, tıp eğitimi, vb. son derece geniş, birbiri ile bağlantılı bir yapı söz konusu. Birbiri ile sıkı sıkıya ilişkili olan bu yapı elemanlarının her birinin verimli, hatasız, dinamik çalışması gerekiyor. Operasyon kalitesinin artması, maliyetlerin azalması gerekiyor. Sağlık sektöründe üçüncü parti olarak adlandırılan paydaşların rolü oldukça geniş. Sağlık ödemeleri tarafına baktığımızda medikal kayıtların çokluğu, sahteciliğe geçit vermeden ödemelerin işleyişinin sağlanması, doktorlar açısından baktığımızda hasta yoğunluğuna en optimal şekilde cevap verilmesi ve doğru tedavi yöntemine karar verilmesi, vb. pek çok noktada doğru kararlar almamızı sağlayacak organik zeka desteğine ihtiyaç var.

Sağlık verileri hastaneler, diğer sağlık kurumları, sigorta şirketleri ve ilgili kamu kurumları başta olmak üzere birçok kuruluş tarafından toplanıyor. Dijitalleşme ile daha fazla hasta verisi ve daha fazla tedarikçi verisi kayıt altına alınabiliyor. Sağlık sektöründe çalışan bütün profesyonellerin karar mekanizmalarının doğru zamanda doğru ve nitelikli analitik bilgiye dayandığı bir sistem hız ve maliyet odaklılık ile birlikte hizmet kalitesinin artmasını sağlayacaktır. Bütün sektörlerde önemli olan “Tek Bir Doğru Olmalı” hedefi insan hayatına doğrudan dokunan sağlık sektörü için kritik derecede önemli.

Hayatımızı değiştiren ve değiştirecek olan yeniliklerin hepsinin temelinde veri ve bu verilerden işimizdeki dinamikleri fark etmemizi ve yönetmemizi sağlayacak, bilinmeyenleri tahmin etmemizi ve olası istenmeyen sonuçlar yaşanmadan tedbir almamızı sağlayacak karar mekanizmalarını tetikleyecek organik zeka yer alıyor. Organik zeka, yapay zeka ile elde edilen her türlü sonucun bir iş hedefi ile aksiyona dönüşmesi demek. Yapay zeka çalışmalarında hedef insan beyninin işleyemeyeceği miktarda ve çeşitlilikte veriyi işleyebilen, muhakeme yapabilen, derinlemesine öğrenebilen, organik zeka üreten çözümler geliştirmek. Günümüzde çok moda bir kavram olan “Yapay Zeka”, geçmişi 1940’lara dayanan, makine öğrenmesi ve derin öğrenme yöntemlerini içinde barındıran çok geniş bir kavram. Makine öğrenmesi yöntemleri olarak baktığımızda öngörüsel modelleme, sınıflandırma yöntemleri, ilişkisel kural belirleme gibi yine çok sayıda yöntem söz konusu. Hangi analitik yöntemin ne zaman kullanılacağı ise yapılacak çalışmaya göre değişiyor.

Yapay zeka projelerinde en önemli adım iş ihtiyaçlarının iş birim yöneticilerinin de vizyonu ile belirlenmesi, önceliklendirilmesi ve kurum için kapsamlı bir analitik yol haritası tasarımının yapılması. Uzun vadeli bir planlama yapmak isteyen kurumlar için önerilen genellikle iş birimleri; satış, pazarlama, operasyon, vb. ile ayrı ayrı derinlemesine görüşmeler yapılması ve farklı birimler için ayrı ayrı yol haritalarının belirlenmesidir.

Hasta verilerini modelleyerek hastalık paternlerini ortaya çıkarmak ve hastalık trendlerini öngörmek mümkün. Tıbbi uzmanlığın olmadığı veya az olduğu alanlarda analitik yöntemler fark yaratabilir. Gelen veriye dayalı tahmin yapabilen sistemlerin gelişmesi sağlık tarafında daha hızlı ve doğru kararlar alınması anlamına gelmektedir. Bankacılıkta dolandırıcılıkla mücadelede yapay zeka tabanlı analitik yöntemlerin kullanımı standart hale gelmiş durumdadır, sağlık sektöründe dolandırıcılık kökenli kayıpların miktarı çok yüksektir ve sağlık kurumlarının verimliliği üzerindeki olumsuz etkisi tartışılmaz düzeydedir.

Yaşadığımız pandemi sürecinde yaşanan acı deneyimler bütün dünyada bizlere sağlık sektöründe doğru zamanda doğru kararlar almanın ve doğru aksiyonları hayata geçirmenin ne kadar önemli olduğunu bir kez daha gösterdi. Hastanın problemlerinin teşhis ve tedavisinde hekime yardımcı olacak, teşhis ve tedavi sırasında hekime durumsal risk ve çözüm önerileri sunabilecek bir karar destek sistemine ne kadar çok ihtiyacımız olduğunu bir kez daha anladık.

Klinik karar destek sistemlerinin geliştirilmesi, Hasta tedavi sonuçlarının, tedavi süreçleri ile eş zamanlı olarak izlenmesi tedavinin başarısında kritik iyileştirmelere olanak sağlamaktadır. Bu kapsamda gerçekleştirilen çalışmalar:

  • Tedavinin başarısının ve hastanın iyileşmesini etkileyen faktörlerin belirlenmesi,
  • Kurumda uygulanan tedavi yöntemleri ve performans metrikleriyle diğer sağlık kuruluşlarında yapılan uygulamaların ve verimliliklerinin karşılaştırılması,
  • Yaş, cinsiyet, ırk, DRG kodu ve uygulanan tedavi kapsamında tedavinin başarısı üzerindeki etkenlerin ve önem derecelerinin belirlenmesi,
  • Hasta grupları belirlenerek gruplar arasındaki ilişkilerin sınanması,
  • Cerrahi prosedürlerde yüksek riskli hastaları ve hastalıkları işaret eden faktörlerin belirlenmesi
  • Hastanın risk grubuna uygun olan tedavinin ve sonuçlarının belirlenmesi
  • Tedavi süreçlerinin takip edilmesi, yönetilmesi ve minimize edilmesi
  • Tedavi sonuçlarının başarısını etkileyen faktörlerin belirlenmesi
  • Uygulanan tedavi yöntemlerine verilen cevap oranları incelenmesi

Olarak özetlenebilir

A.B.D’de yapılan bir araştırmada tıbbi hataların her yıl 30.000 ila 90.000 arasında yaşam kaybına ve 9 milyar dolar maddi kayba neden olduğu tespit edilmiştir. Diğer ülkelerde de durum farklı değildir. Yapay zeka sayesinde geçmişe dair veriler modellenebilir ve tedavi kalitesinin arttırılmasına, uygulanacak tedavide geç kalınmasının engellenmesine yönelik önemli iyileştirmeler sağlanabilir.

Günümüzde bir çok hastalığın teşhis ve tedavisinde moleküler düzeydeki verinin analizi önemlidir. Örneğin pediatrik beyin tümörlerini doğru sınıflandırmanın anahtarı moleküler düzeyde yatmaktadır. Bir deri hücresi ve karaciğer hücresi gen modelleri içinde çeşitlidir, aynısı farklı tümörler veya tümör dereceleri için de doğrudur. Chicago Memorial Çocuk Hastanesi beyin tümörü araştırması direktörü Dr. Eric Bremer, gen ifadesi mikrodizi deneylerinde tümörü tanımlamak ve sınıflandırmak için farklılıkların analiz edilmesinin ne kadar zor olduğunu “Her bir örneklem için kolaylıkla 7000 den 30000 veri özelliği elde edebilirsiniz. Problem bunları nasıl anlamlı hale getireceğinizdir” şeklinde açıklamıştır.

Sağlık sektöründe hata ve dolandırıcılık tespiti sektörün başarısını etkileyen en önemli konulardandır. Başta sosyal güvenlik kurumları ve sigorta şirketlerinin ödemeleri olmak üzere tüm sağlık ödemelerinde suistimalle karşılaşılabilmektedir. Zaman zaman hastanın bilgisi dışında hastaya teşhis ve tedavi ihtiyaçlarının anlaşılmasının dışında laboratuvar testleri veya farklı tetkikler uygulanabilmektedir. Sistemin boşluklarından istifade edilerek gerçekleştirilen suistimaller ile karşılaşılmaktadır. Karar ağaçları ve birliktelik kuralları yöntemleriyle, yalnızca mantıksal tutarlılık denetimi değil, aynı zamanda suistimal örüntüsünün detayları da elde edilerek, duruma özel çözüm önerileri geliştirmek mümkündür.

A.B.D.’de tekrar veya gereksiz tedavi ve hileli işlemler nedeni ile yıllık bazda 500 milyon dolardan fazla kayıp yaşandığı tahmin edilmektedir. A.B.D.’de 2014 yılına kadar devlet sağlık harcamalarının %50’sini ödeyecektir, pek çok ülkede bu oran %80- %90 arasındadır ve suistimaller nedeni ile bütçelere binen yük çok ciddi boyutlardadır. A.B.D.’de Sağlık Bakanlığı bünyesinde geliştirilen keşifsel analiz ve öngörüsel modeller sayesinde suistimal olasılığı yüksek işlemler eş zamanlı olarak tahmin edilmiş ve ilk yıl operasyonel masraflarda milyon dolar mertebesinde kazanım sağlanmıştır. Geçmişte susitimal olasılığı içeren durumların risk seviyelerine göre ayrıştırılması mümkün değilken analitik çalışmalar sayesinde riski yüksek işlemler üzerine odaklanılması mümkün olmuş, henüz ödeme yapılmadan suiistimallerin yakalanması sağlanmıştır.

Operasyonel verimlilik takibi yine sağlık sektöründe ivedilikle ele alınması gereken bir konudur. Operasyonel verimliliğin izlenmesinde ve kritik durumlara dair öngörülerin yapılmasında dünya çapında birçok sağlık kurumu keşifsel analiz ve öngörüsel analiz yöntemlerini kullanmaktadır. Avustralya-Queensland’de bulunan “Wesley Hospital” klinik ve operasyonel verileri birleştirmiş ve personel ve kaynak ihtiyaçlarını tespit etmek üzere izlemesi gereken temel performans göstergelerini (KPI) belirlemiştir.

Yorumlar (0)
26
açık
Puan Durumu
Takımlar O P
1. Adana Demirspor 0 0
2. Alanyaspor 0 0
3. Altay 0 0
4. Antalyaspor 0 0
5. Beşiktaş 0 0
6. Karagümrük 0 0
7. Fenerbahçe 0 0
8. Galatasaray 0 0
9. Gaziantep FK 0 0
10. Giresunspor 0 0
11. Göztepe 0 0
12. Hatayspor 0 0
13. Başakşehir 0 0
14. Kasımpaşa 0 0
15. Kayserispor 0 0
16. Konyaspor 0 0
17. Rizespor 0 0
18. Sivasspor 0 0
19. Trabzonspor 0 0
20. Malatyaspor 0 0
Takımlar O P
1. Adanaspor 0 0
2. Altınordu 0 0
3. Ankara Keçiörengücü 0 0
4. Ankaragücü 0 0
5. Erzurumspor 0 0
6. Balıkesirspor 0 0
7. Bandırmaspor 0 0
8. Boluspor 0 0
9. Bursaspor 0 0
10. Denizlispor 0 0
11. Eyüpspor 0 0
12. Gençlerbirliği 0 0
13. Kocaelispor 0 0
14. Manisa FK 0 0
15. Menemenspor 0 0
16. Samsunspor 0 0
17. Tuzlaspor 0 0
18. Ümraniye 0 0
19. İstanbulspor 0 0
Takımlar O P
1. Arsenal 0 0
2. Aston Villa 0 0
3. Brentford 0 0
4. Brighton 0 0
5. Burnley 0 0
6. Chelsea 0 0
7. Crystal Palace 0 0
8. Everton 0 0
9. Leeds United 0 0
10. Leicester City 0 0
11. Liverpool 0 0
12. Man City 0 0
13. M. United 0 0
14. Newcastle 0 0
15. Norwich City 0 0
16. Southampton 0 0
17. Tottenham 0 0
18. Watford 0 0
19. West Ham 0 0
20. Wolverhampton 0 0
Takımlar O P
1. Deportivo Alaves 0 0
2. Athletic Bilbao 0 0
3. Atletico Madrid 0 0
4. Barcelona 0 0
5. Cádiz 0 0
6. Celta de Vigo 0 0
7. Elche 0 0
8. Espanyol 0 0
9. Getafe 0 0
10. Granada 0 0
11. Levante 0 0
12. Mallorca 0 0
13. Osasuna 0 0
14. Rayo Vallecano 0 0
15. Real Betis 0 0
16. Real Madrid 0 0
17. Real Sociedad 0 0
18. Sevilla 0 0
19. Valencia 0 0
20. Villarreal 0 0