Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası

Aşan, Alican; SINANC TERZI, DUYGU

Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası

Alican AŞAN, (Türkiye Cumhuriyeti Cumhurbaşkanlığı Dijital Dönüşüm Ofisi, Ankara, Türkiye)

Duygu SİNANÇ TERZİ (Amasya Üniversitesi, Mühendislik-Mimarlık Fakültesi, Bilgisayar Mühendisliği, Amasya, Türkiye)

EMO Bilimsel Dergi

12 3

Yıl: 2021 Cilt: 11 Sayı: 22 Sayfa Aralığı: 7 - 14 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası

Öz:

Yapay zekânın sağlık hizmetlerinin şeklini değiştirmeye başlamasıyla beraber gündeme gelen ve klinik araştırmalarda geliştirilen uygulamaların hayata geçirilmesinin önünde duran çeşitli zorluklar vardır. Bu zorluklar; veri seti hazırlamaktan önişleme tekniklerine, model eğitiminden modelin çıktılarının yorumlanmasına kadar model geliştirme sürecinin neredeyse her fazında problem yaratmakta hatta hatalı ve yanlı modellerin geliştirilmesine sebep olmaktadır. Bu çalışmada, yapay zekânın potansiyelinin ortaya koyulmasını engelleyen zorlukların, yapay zekâ uzmanları ve sağlık çalışanları arasındaki iş birliği ile yani veri ve deneyimin birleştirilmesiyle mümkün olacağını vurgulayan bir yol haritası sunulmuştur. Bu yol haritasındaki her adımda karşılaşılan zorluklar ve önerilen çözümler, çeşitli sağlık uygulamaları ile örneklendirilmiştir. Bu yol haritasının, uygulayıcılara farklı bakış açıları sunması, geliştirilecek modellerin performansını iyileştirmesi ve gerçek dünya uygulamalarının artışında rol oynaması beklenmektedir.

Anahtar Kelime: yol haritası yapay zekâ klinik araştırma

Roadmap for Artificial Intelligence Models Developed in Clinical Research

Öz:

There are various difficulties that stand in the way of the implementation of applications developed in clinical research, which came to the fore with artificial intelligence starting to change the shape of health services. These difficulties create problems in almost every phase of the model development process, from data set preparation to preprocessing techniques, from model training to interpretation of model outputs, and even lead to the development of faulty and biased models. In this study, a roadmap is presented emphasizing that the challenges that prevent the realization of the potential of artificial intelligence will be possible with the cooperation between artificial intelligence experts and healthcare professionals, that is, by combining data and experience. The challenges and suggested solutions at each step in this roadmap are exemplified by various health practices. It is expected that this roadmap will offer different perspectives to practitioners, improve the performance of the models to be developed, and play a role in increasing real-world applications.

Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

[1] Salazar-Reyna, R., Gonzalez-Aleu, F., Granda-Gutierrez, E. M., Diaz-Ramirez, J., Garza-Reyes, J. A., Kumar, A. “A systematic literature review of data science, data analytics and machine learning applied to healthcare engineering systems”, Management Decision, 1-20, 2020.
[2] Mehta, N., Pandit, A., Shukla, S. “Transforming healthcare with big data analytics and artificial intelligence: A systematic mapping study”, Journal of Biomedical Informatics, 100, 1-14, 2019.
[3] Abedjan, Z., Boujemaa, N., Campbell, S., Casla, P., Chatterjea, S., Consoli, S., Costa-Soria, C., Czech, P., Despenic, M., Garattini, C. “Data Science in Healthcare: Benefits, Challenges and Opportunities”. In: Consoli S., Reforgiato Recupero D., Petković M. Data Science for Healthcare. Springer, 3-38, 2019.
[4] Noorbakhsh-Sabet, N., Zand, R., Zhang, Y., Abedi, V. “Artificial intelligence transforms the future of health care”, The American Journal of Medicine, 132(7), 795- 801, 2019.
[5] Panch, T., Szolovits, P., Atun, R. “Artificial intelligence, machine learning and health systems”, Journal of Global Health, 8(2), 1-8, 2018.
[6] Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., Wang, Y., Dong, Q, Shen, H., Wang, Y. “Artificial intelligence in healthcare: past, present and future”, Stroke and Vascular Neurology, 2(4), 2017.
[7] Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J.W., Santos, L.B., Bourne, P. E. “The FAIR Guiding Principles for scientific data management and stewardship”, Scientific Data, 3(1), 1-9, 2016.
[8] Rong, G., Mendez, A., Assi, E. B., Zhao, B., Sawan, M. “Artificial intelligence in healthcare: review and prediction case studies”, Engineering, 6(3), 291-301, 2020.
[9] Ghassemi, M., Naumann, T., Schulam, P., Beam, A. L., Chen, I. Y., Ranganath, R. “Practical guidance on artificial intelligence for health-care data”, The Lancet Digital Health, 1(4), e157-e159, 2019.
[10] Maddox, T. M., Rumsfeld, J. S., Payne, P. R. “Questions for artificial intelligence in health care”. JAMA, 321(1), 31-32, 2019.
[11] Menze, B. H., Jakab, A., Bauer, S., Kalpathy-Cramer, J., Farahani, K., Kirby, Burren, Y., Porz, N., Slotboom, J., Wiest, R., Lanczi, L. “The multimodal brain tumor image segmentation benchmark (BRATS)”, IEEE Transactions on Medical Imaging, 34(10), 1993-2024, 2014.
[12] Parikh, R. B., Teeple, S., Navathe, A. S. “Addressing bias in artificial intelligence in health care”, JAMA, 322(24), 2377 -2378, 2019.
[13] Althubaiti, A. “Information bias in health research: definition, pitfalls, and adjustment methods”, Journal of Multidisciplinary Healthcare, 9, 211-2017, 2016.
[14] Engel, J., Gerretzen, J., Szymańska, E., Jansen, J. J., Downey, G., Blanchet, L., Buydens, L. M. “Breaking with trends in pre -processing?” , TrAC Trends in Analytical Chemistry, 50, 96 -106, 2013.
[15] Secinaro, S., Calandra, D., Secinaro, A., Muthurangu, V., Biancone, P. “The role of artificial intelligence in healthcare: a structured literature review”, BMC Medical Informatics and Decision Making, 21(1), 1 -23, 2021.
[16] Beam, A. L., Kohane, I. S. “Big data and machine learning in health care”, JAMA, 319(13), 1317 -1318, 2018.
[17] Hacohen, G., Weinshall, D. “On the power of curriculum learning in training deep networks”, arXiv preprint arXiv:1904.03626, 2019.
[18] Hernández -Orallo, J. “Evaluation in artificial intelligence: from task -oriented to ability -oriented measurement”, Artificial Intelligence Review, 48(3), 397 - 447, 2017.
[19] Adadi, A., Berrada, M. “Peeking inside the black -box: A survey on Explainable Artificial Intelligence (XAI)”, IEEE Access, 6, 52138 -52160, 2018.
[20] Racine, E., Boehlen, W., Sample, M. “Healthcare uses of artificial intelligence: Challenges and opportunities for growth”, Healthcare ManageAment Forum, 32(5), 272 - 275, 2019.
[21] Yu, K. H., Beam, A. L., Kohane, I. S. “Artificial intelligence in healthcare”, Nature Biomedical Engineering, 2(10), 719-731, 2018.

APA	Aşan A, SINANC TERZI D (2021). Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. , 7 - 14.
Chicago	Aşan Alican,SINANC TERZI DUYGU Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. (2021): 7 - 14.
MLA	Aşan Alican,SINANC TERZI DUYGU Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. , 2021, ss.7 - 14.
AMA	Aşan A,SINANC TERZI D Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. . 2021; 7 - 14.
Vancouver	Aşan A,SINANC TERZI D Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. . 2021; 7 - 14.
IEEE	Aşan A,SINANC TERZI D "Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası." , ss.7 - 14, 2021.
ISNAD	Aşan, Alican - SINANC TERZI, DUYGU. "Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası". (2021), 7-14.

APA	Aşan A, SINANC TERZI D (2021). Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. EMO Bilimsel Dergi, 11(22), 7 - 14.
Chicago	Aşan Alican,SINANC TERZI DUYGU Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. EMO Bilimsel Dergi 11, no.22 (2021): 7 - 14.
MLA	Aşan Alican,SINANC TERZI DUYGU Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. EMO Bilimsel Dergi, vol.11, no.22, 2021, ss.7 - 14.
AMA	Aşan A,SINANC TERZI D Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. EMO Bilimsel Dergi. 2021; 11(22): 7 - 14.
Vancouver	Aşan A,SINANC TERZI D Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası. EMO Bilimsel Dergi. 2021; 11(22): 7 - 14.
IEEE	Aşan A,SINANC TERZI D "Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası." EMO Bilimsel Dergi, 11, ss.7 - 14, 2021.
ISNAD	Aşan, Alican - SINANC TERZI, DUYGU. "Klinik Araştırmalarda Geliştirilen Yapay Zekâ Modelleri için Yol Haritası". EMO Bilimsel Dergi 11/22 (2021), 7-14.