Siber Tıp

Emekleme Günleri 

Bundan 45-50 yıl önce, öğrencilik yıllarımda, TÜBİTAK’ın yayımladığı Bilim ve Teknik dergilerinde, Toygar Akman’ın ‘Sibernetik’ yazıları fazlasıyla ilgimi çeker, beni heyecanlandırırdı. Bilgisayarların emekleme günleriydi. “Çok yakında robotların ve bilgisayarların insanın yerini alacağı, doktorların yapabildiği her şeyi makinelerin yapabileceği” anlatılırdı. O yıllarda Akman’ın bu konuda bir de kitabı çıkmıştı. 

Gerçekten de -sonraki yıllarda- analog bilginin yerini dijital bilginin alması dünyayı inanılmaz bir hızla dönüştürdü ve dönüştürmeye devam ediyor. Ne var ki, -pek çok başka alandaki ilerlemelerin ve dergide dile getirilen iyimser beklentinin aksine- dijital dönüşüm, kendine hekimlik hizmetlerinde nispeten az yer bulabildi. 

Doksanlı yılların başında, yöneticilik yaptığım özel hastanede (çok seçkin ve hevesli olmalarına rağmen) çoğu hekim arkadaşım, tıbbî kayıtların dijitalleştirilmesine uzun süre direndi. Tesellim, -en gelişmiş ülkeler dahil- durumun dünyanın başka yerlerinde de çok farklı olmayışıydı. 

İki binli yılların başlarından itibaren hastanelerimizde elektronik kayıt sistemleri (bir dönem devletin de zorlamasıyla) yaygınlaştı. Ama o dönem çalıştığım kamu hastanesinde, hekimlerin önünde duran bilgisayarlara rağmen, kimse onları olması gerektiği gibi, etkili bir biçimde kullanmıyordu. Bu konuda birlikte çalıştığım asistanlara bile söz geçiremedim. 

Biraz haklılardı: Her şeyden önce, -gençliklerine rağmen- (daha çok) elle yazı kültürünün çocuklarıydı. (Şimdilerde çocuklar konuşma hızında mesaj yazabilir haldeler.) Her bir hastaya ayrılan süre, -dayatmalarla- birkaç dakika iken, klavyeye zaman ayırmak mümkün olmuyordu. Daha da önemlisi, yazılımlar pek de ’kullanıcı dostu’ değildi. 

 *** 

Sanırım, sağlık kuruluşlarında dijital uygulamaların en etkili kullanım yerleri -öncelikle- muhasebe ve finans departmanları oldu. Sonra bunu kayıt ve randevu sistemleri izledi. 

 Uzun yıllar, hastanın tansiyonunun veya kan şekerinin evde hasta tarafından ölçülüp hekime iletilmesi ‘dijital başarı’ sayıldı. Bunu kalbinde ritim bozukluğu olan (aritmik) hastaların kalp grafilerinin benzer şekilde -bulundukları yerden- bu konuda uzman merkezlere aktarımı izledi. Ardından hastalara ait tomografi (CT), manyetik rezonans (MR) gibi görüntülerin, konuyla ilgili yetkin uzman görüşleri ve raporlanması için -çekimin yapıldığı yerden, değerlendirmenin yapılacağı yerlere- -internet üstünden- iletimi başladı. 

Bu tarz hasta ile klinisyen veya farklı sağlık kuruluşları arasında dijital (ve analog) bilgi akışı ‘tele-tıp (telemedicine) veya tele-sağlık (telehealth)’ çatısı altında bir endüstriye dönüştü. Tanı ve izleme için (hem dijitalleştirme, hem de internet yardımıyla) mesafe sorun olmaktan çıktı.  

Hatta süreç uzaktan -robotik unsurlar ve yüksek hızlı veri bağlantısı yardımıyla- ameliyat yapmaya (telesurgery) kadar genişledi. Cerrah -mesafe tanımaksızın, uzaktan bir konsolu kontrol ederek, ameliyatı robotik kollarla yapabiliyordu (da Vinci). 

Sonunda dijitalleşme kliniğe de dayandı: Programcılar yardımıyla, bazı karmaşık tanı ve tedavi süreçleri, klinisyenlerin yardımıyla algoritmalar haline getirildi ve bir dizi matematik işlem yardımıyla yazılıma dönüştürüldü. Farklı sağlık çalışanları bunlar sayesinde daha kolay ve daha hızlı karar verebilir hale geldiler. Söz gelimi bazı değerlerin -sorgulanarak- girilmesi yoluyla hastalık riski öngörülebiliyor veya hasta önceliklendirmesi ve/veya yönlendirmesi (triyaj) kolaylaşıyordu.

Yapay Sinir Ağları

Bu arada, sağlık alanına girişi yavaş kalsa ve sağlık kulvarı tam olarak ayak uyduramasa da dijital devrim kendi yolunda dev adımlarla ilerlemesini sürdürüyordu.

Yapay sinir ağları (YSA, ‘artificial neural network’) önemli dönemeçlerden biri oldu. İnsan beynini taklit edebildiği söylenen makineler geliştirildi. Bunlar gayet becerikli öğrencilerdi (makine öğrenmesi: machine learning, derin öğrenme: deep learning). Şayet sisteme hangi ‘girdiler’ kullanılarak, hangi ‘çıktı’ veya ‘çıktılar’ elde edilebileceğine ilişkin, -yeterince- doğru ‘veri’ yüklenirse, ‘öğreniyorlar’ ve yeni girdilerden doğru sonuçlar öngörebiliyorlardı. Temelde yaptıkları, sınıflandırma ve ‘regresyon’ yöntemlerini kullanarak, matematik tabanlı hesaplamalarla, sunulan verilerden doğru tahminler yapmaya çalışmak; her yeni veriyle tahmini biraz daha düzeltmek ve bunu tatminkâr bir performans seviyesi yakalayana kadar sürdürmekti. Bundan sonraki aşamada, -daha önce kullanılmayan verilerle- performans test ediliyor yani kararı makine veriyordu.

Artık hayatımızın içine nüfuz etmiş ‘yüz tanıma sistemleri’, YSA’nın tipik marifetlerinden biridir. Yöntemlerden birinde iki boyutlu (2D) resimlerden; (yüz ifade değişikliği, yaşlanma gibi sorunlarla baş edebilmek için) göz yuvası eğrisi, burun kemeri gibi sert doku ve kemiklere odaklanarak yüzün üç boyutlu (3D) modeli çıkarılır. Apple Face ID böyle çalışır. Bir başka yöntem, görüntüdeki ışık ve karanlık örüntülerinin istatistiksel tanımına dayanır. Bu, Google’ın FaceNet’i ve Çinlilerin Tencent YouTu Lab’in yöntemsel tercihidir.

Ama yüz tanıma sistemlerinin işe yaraması için, olabildiğince farklı bireyin (mümkünse tüm popülasyonun) -tanımaya yeter miktarda- yüz görüntüsüne ihtiyaç vardır. Devletlerin güvenlik kaygılarıyla bu ihtiyacı gidermede çok gayretli oldukları görülüyor. Özellikle otoriter yönetimler, bu konuda George Orwell’in -gözetleyici- ‘big brother’ rolü için başı çekiyorlar. Facebook, İnstagram gibi sosyal platformların (resimlerini paylaşmada) -gönüllü ve çok hevesli kullanıcıları sayesinde- kapsamlı veri tabanları oluşturma konusunda çok fazla sıkıntı çektiği söylenemez.

Artık YSA’nın (yani teknolojinin) yüz tanımada -küresel çapta- pasaport polislerinden (yani insanlardan) daha başarılı olduğu bir noktadayız. Çin başta, pek çok ülkede suçlar kameralarla izleniyor, kameralardan suçlular tanınabiliyor, izleri sürülebiliyor.

***

İnsan yüzlerini -yetkinlikle- tanıyan sistemin, tıp dünyasının kullandığı farklı görüntüleri tanımaması için hiçbir sebep yoktu. Üstelik yıllar boyu radyoloji veya patoloji merkezlerinde, inanılmaz veri birikmişti. Hangilerinin normal, hangilerinin anormal olduğu raporlanmış; bu raporlarda anormal olanların hangi bulgularla hangi hastalığa karşılık geldiği belirtilmişti. Bu yüzden ‘tıbbî görüntüler’ -öğrenmeye aç- YSA’lar için biçilmiş kaftandı.

Çok geçmeden arka arkaya başarılı örnekler kendini göstermeye başladı. Yeterli çeşitlilikte ve sayıda, doğru bilgi sunulan YSA önce ‘öğreniyor’, sonra da değerlendirilmesi için kendilerine sunulan -raporlanmamış- görüntüleri raporluyor; normallerle patolojikleri ayırıyor ve muhtemel tanının ne olabileceğini bildiriyorlardı.

Bu yazıyı yazmaya koyulurken asıl niyetim, YSA’nın tıp alanında yapılmış çarpıcı araştırma örneklerinin bağlantılarını paylaşmaktı. Derlediğim ve yalnızca bağlantı adresi ve başlığı bile üç sayfayı bulan çok sayıda çalışmanın yazıyı sıkıcı hale getireceği endişesiyle (ve birbirinden güzel çalışmalardan bazılarını seçmenin ötekilere haksızlık olacağı inancıyla) vaz geçtim.

Kısaca söylemek gerekirse; röntgen, bilgisayarlı tomografi, manyetik rezonans, ultrasonografi, mammografi, miyokardiyal perfüzyon sintigrafisi gibi farklı görüntüleme teknikleriyle elde edilmiş görüntülerden, YSA tarafından çok yüksek doğruluk oranıyla tanı konabildiği gösterildi. Aynı başarı kolonoskopide poliplerin tanınmasında; dermatolojide dermaskop ile maliyn lezyonların tanınmasında da sağlandı.

Keza, farklı doku örneklerinden (meme, akciğer, beyin, yumurtalık, cilt, kan…) yapılan histopatolojik incelemelerin YSA ile (başta kanser, farklı sorunlar için) tanısındaki başarısı inanılmaz derecede yüksek idi.

Yayımlanan çalışmalarda YSA’nın klinisyenlere göre bazı avantajları dile getirildi: Zaman baskısı yaşamıyorlardı. Yıllık izin, bayram izni, hastalık gibi molalara ihtiyaçları yoktu. Bir görüntü veya yaymayı -tanımlanan- belli bir algoritma çerçevesinde, baştan sona, bıkmadan, titizlikle tarayabiliyorlardı. Hasta ve hasta yakını, motivasyon gibi unsurlardan etkilenmeksizin çok daha ‘objektif’ yaklaşım sergileyebilirlerdi.

Göz kamaştırıcı ‘doğru tanı’ hünerlerine ve sıraladığımız bazı avantajlarına rağmen henüz, YSA tıp programlarının ‘kendi başlarına’ çalışma izni yok! Çünkü yetkinlikleri konusundaki kuşkular ortadan kalkmış değil ve gerekli yasal düzenlemeler hayata geçmedi. Bu yüzden şimdilik daha çok radyolog, patolog ve endoskopistlere ‘yardımcı’ roldeler. Onlarla birlikte çalışıp, onların işlerini kolaylaştırıyorlar. Son tahlilde uzmanların onay ve imzası gerekiyor. Ama tek başlarına yetkinliklerinin kabul göreceği günlerin uzak olmadığını söylemek, kehanet sayılmaz!

Dr Makine

Öncü bilişim teknoloji şirketlerinden IBM, bilgisayar programıyla 1955’te ürettiği dama oyunuyla, bu oyunun şampiyonu Robert Nealey’i 1962’de yenmeyi başardı. Bunu -yaklaşık kırk yıllık uzun bir aradan sonra- 1997’de ünlü satranç oyuncusu Kasparov’u yenmeyi başaran bir bilgisayar (Deep Blue) üretimi izledi. Alanının şampiyonlarına karşı galibiyet halkasına, 2011’de -Watson bilgisayarıyla- ip uçlarından, doğru soruyu bulma esasına dayanan bir bilgi yarışması (Jeopardy) birincisine üstünlük eklendi. Bu bilgi yarışmasında soruyu sorup cevabı istemek yerine, cevap (mesela bir hayvanın özellikleri: “uzun kulaklı, kısa kuyruklu, arka bacağı ön bacağından kısa, 30-60 sm boyutta, 3-10 kg’lık, otçul, çok üreyen, sevimli hayvan…”) belirtilip bunun hangi soruya cevap oluşturduğunun (örnek için hangi hayvan olduğunun: “tavşan”)) belirtilmesi isteniyordu.

“Muazzam veri tabanı sayesinde söz konusu bilgi yarışmasının şampiyon yarışmacılarını yenen bilgisayar aynı başarıyı tıp alanında neden göstermesin?” diye düşünüldü. Bir hastanın, hastalığına ait belirtiler (yani cevap) sisteme girilip uygun sorunun (yani hastalık tanısının) ne olduğu kolayca öğrenilebilirdi. Watson bilgisayarların yeni hedefi belli olmuştu.

Bilgisayarlar yardımıyla tanı koymak ve en uygun tedaviyi seçmek isteyen tek şirket IBM değildi. Pek çok kuruluş bu işe soyundu. Büyük bir fırsat vardı ve üstesinden gelmek çok zor görünmüyordu.  

Teorik olarak, yukarıda görüntüleme sistemleri için anlattığımız başarının klinik tanıda da gerçekleşmesi beklenir: Herhangi bir hastalığın tanısı; sorgu ile elde edilen belirti, muayene ile saptanan bulgu ve -bunlara uygun- laboratuvar ve röntgen incelemeleri yardımıyla konur. Bir başka deyişle, ‘çıktı’, bir ‘girdi’ kümesi veya kümelerinin eseridir. Girdi kümesindekilerden kiminin tanı değeri azken, kimi çok önemlidir. Bazısı tanıya yaklaştırırken (hatta bazısı tek başına tanı koymaya yeterken {‘patognomonik’}), bazısı uzaklaştırır (hatta dışlar). Sonuçta, girdilerle çıktı (veya çıktılar) arasında, -matematiksel olarak hesaplanabilen- bir ilişki biçimi (‘örüntü’) vardır. YSA, bu hesaplamaları (biraz gizemli olsa da) mükemmel bir biçimde yapabilmektedir.

Aynı girdi-çıktı ve örüntü ilişkisi tedaviler için de yapılabilir. Hangi tedavi seçeneğinin hangi hallerde, ne ölçüde işe yaradığı veya yaramadığı YSA tarafından belirlenebilir. Yahut çıktı bir hastalıktaki ölüm oranı (mortalite), hastanede kalma süresi gibi farklı sorulara da yanıt verebilir.

***

Ne var ki, -şimdilik- klinik tanı koymada YSA’nın başarısı, görüntüleme ve patolojide elde edilen başarının çok uzağındadır. Bu konuda elle tutulur başarılı örnek sayısı -halihazırda- çok azdır. Büyük umutlarla başlanan pek çok çalışma düş kırıklığıyla sonuçlanmıştır.

İlk bakışta -algoritma mantığıyla çok daha uyumlu görünen- klinik tanı ve tedavideki başarının görüntülemenin gerisinde kalışının birkaç nedeni vardır: Bunlardan ilki, görüntü verileri çok daha nesnelken, klinik verilerinin -hasta ve sağlık sunucu yorumuna fazlaca bağımlı olmasıdır. Bir başka neden, hasta yakınması ve hekim bulgularını ifade biçiminin standart (kavram birliği) olmayışıdır. Ve sanırım en önemli neden, (ayrı bir yazıda ele alınmasını gerektirecek kadar farklı sebeplerle) hasta sorgusu ve fizik muayene bulgularının -neredeyse tüm Dünyada- yeterince ve sağlıklı şekilde kayıt altına alınamayışıdır. Her şeyin dijitalleştiği günümüzde, hâlâ kayıtların elle tutulduğu kurumlar vardır. Pek çok kurumda, doktorların elle tuttuğu kayıtlar, bu işle görevli kişiler tarafından dijital ortama aktarılmaktadır.

Teknoloji yardımıyla; sözlü ifadelerin yazılı hale getirilmesi, elle yazının dijital yazıya çevrilmesi gibi imkânlar, daha kullanıcı dostu programlarla bu zorlukların aşılıp, klinik yoldan tanı ve tedavi için de YSA uygulamalarını (ilerleyen dönemlerde) daha çok göreceğimizi öngörebiliriz. 

Siberinsana Doğru

Bilişim teknolojileri, katlanarak artan kapasite ve hızları, giderek küçülen (minyatürleşen) uygulamaları, düşen maliyetleri ile artık yaşamımızın ayrılmaz bir parçası haline geldi.

Teknoloji geçmişte daha çok insanların kas yükünü hafifletmişti. Bu eğilim (otomasyon sistemleri sayesinde) neredeyse kol gücünü (‘mavi yakalıları’) gereksizleştirecek tepe noktasına ulaştı. Dijital teknoloji şimdi gözünü sinir sistemine (‘beyaz yakalıların işlerine’) dikti: Yapay zekâ alanı ve YSA uygulamalarıyla zihni ikame yolunda dev adımlarla ilerliyor.

Yakın zamana kadar ütopik görünen sinir devrelerinin işlevlerini yerine getiren cihazlar adım adım hayatımıza giriyor: Duyu organlarımızın yaptığı temas, sıcaklık, basınç, tat, koku, işitme ve görmeyi algılayabilecek sensörlerin yapımı başarıldı. Hatta doğal yeteneklerimiz aşıldı: Mesela gece görüşü mümkün hale geldi ya da artık gözle görebildiğimizin ötesi (kızılötesi ve morötesi) görülebiliyor; normalde kulağımızla duyulamayacak sesler işitilebiliyor.

Dahası artık bunlar gözlük, kulaklık gibi birer fazlalık olmak yerine, -biyonik göz/fotosensitif retina ile- göz dibi, -biyonik kulak/kohlear implant ile- iç kulak gibi (doğal olarak) olması gerektiği yerdeler.

Sinir iletimini telafi edecek farklı iletim ve uyarı sistemlerine sahibiz. Kalbi pillerle uyarmaya başlayalı zaten uzun zaman olmuş; buna Parkinson’da mikroelektrotlarla beyni uyarmayı eklemiştik. Her geçen gün uyarılar istenen hedefe çok daha hassas eriştirilebiliyor. Hatta uyarmak için sesli komutlar, göz hareketleri, mimikler yetebiliyor. Düşünmenin dahi yetebildiği imkânlara kavuştuk.

***

Şimdilerde yaşadığımız Covid salgını, zaten ivmelenerek gelişen dijital dönüşüme, fazladan güç kattı. ‘Kaçınılmaz geleceği’ daha da öne çekti. Bunun sonuçlarını önümüzdeki birkaç yılda çok daha iyi fark edeceğiz.

Tıp kesitinde dile getirmeye çalıştığım teknolojik dönüşümün -farklı kesimlerden- pek çok insanı tedirgin ettiği, bir sır değil!

Yapay zekâ veya robotların -kontrolden çıkıp- insanların başına bela olacağından kuşkulananlar var. Bazısı, bu imkânların belli insanların tekelinde, kötüye kullanılabileceği kaygısı taşıyor. Daha da yaygın endişe, pek çok insanın işini teknolojiye devredip işsiz kalmasıdır.

Bunların tümüyle yersiz endişeler olduğu söylenemez.

***

Ama kesin olan şey, ‘cinin şişesinden çıktığı’ ve bu gidişi önlemenin mümkün olmadığıdır.

Ne kadar farkındayız, emin değilim, ciddi bir dönemeçteyiz: Yakın zamana kadar, aletleri ve teknolojiyi kullanıyorduk. Deyim yerindeyse, onlar kölelerimizdi. Ama artık insan bedeniyle teknolojinin yan yana, iç içe geçtiği; aradaki sınırların giderek kaybolduğu, onlarsız bir hayatın giderek imkânsızlaşacağı yeni bir dönem başlıyor.

Yeryüzünde yalnızca tek hücreli mikroskobik canlılar yaşarken, 2 milyar yıl kadar önce bir arkebakteriyle bir spiroket, sonra da bununla bir proteobakteri kaynaşarak mitokondri oluşumuyla; ardından bu canlının bir siyanobakteriyle kaynaşmasından kloroplast oluşumuyla canlılığın evrimi kökten değişmişti. Farklı türlerin bu şekilde -daha büyük ve daha karmaşık ‘ortak yaşar’ varlıklar oluşturması ‘simbiyogenez’ veya ‘endosimbiyozis’ olarak bilinir.

İnsan ve teknolojinin benzer biçimde bütünleştiği bir ortakyaşarlığın arifesindeyiz. Adım adım ‘Homo simbiyotikus’ veya ‘siberinsan’ diyebileceğimiz bir süperorganizmaya yaklaşıyoruz.

Bu dönüşümün yaşamı baştan sona değiştireceğine kuşku yok! Yakınmak, sızlanmak, -çaresizce- durdurmaya çalışmak yerine, bu dönüşümün tehditten çok fırsat barındırdığı gerçeğini unutmadan yapabileceklerimize odaklanmalıyız.