Güçlü bilgisayarlar kullanarak, bilim adamları birçok şey öğrendi ancak yapay zekanın yardımıyla çok daha fazla şey öğrenebileceğimiz netleşti. Önümüzdeki on yıl boyunca derin öğrenme sinir ağları, büyük olasılıkla verilerdeki kalıpları nasıl aradığımızı ve araştırmanın insan sağlığına nasıl etki ettiğini ve uygulanacağını değiştirecektir. Bu özel rapor, bu yeni devrimin vaadini araştırıyor.

Şu anda en büyük beklenti ilaç keşfi alanına değişikler getirmesidir. Ve iyi bir nedenden dolayı bu beklenti içindeyiz. Piyasaya yeni bir ilaç getirmenin ortalama maliyeti 2003-2013 arasında neredeyse iki katına çıkarak 2.6 milyar dolara ulaştı ve klinik çalışmaların son iki aşamasında 10'dan dokuzu başarısız olduğu için paranın çoğu boşa gidiyor. Her büyük ilaç şirketi, yatırım getirisini artırıp arttıramayacağını görmek için en az bir yapay zeka odaklı girişim ile çalışıyor. Makine öğrenimi algoritmaları, belirli bir ilaç hedefi için seçenekleri daraltarak milyonlarca bileşik arasında eleyebilir. Belki de daha heyecan verici olan AI sistemleri - hakim teoriler ve önyargılarla sınırlandırılmamış - dokular, hücreler, genler veya proteinler arasındaki ince farklılıkları, örneğin;
Aynı keskin gözlü yetenek tıbbi taramaları yorumlamak için de uygulanmaktadır. Bazı sistemler, bir radyolog tarafından atlanabilecek erken kanser belirtilerini tespit edebilir veya retina taramasından kaynaklanan kardiyovasküler riski değerlendirmek gibi insan kapasitesinin hemen ötesinde olan şeyleri görebilir. 

Gıda ve İlaç İdaresi görüntüleme algoritmalarını hızlı bir şekilde onaylıyor. Diğer AI uygulamalarınin ise çalışma hayatına girmesi  biraz daha uzun sürüyor. Bugünün elektronik sağlık kayıtlarının (EHR) verimsizlikleri, reçete yazmayı önleyen ve hastalığın erken uyarılarını sağlayan akıllı sistemler tarafından ele alınacak mı? Dünyanın en büyük teknoloji devlerinden bazıları üzerinde çalışıyor.

Makinelerin insanları yerinden edeceği korkusuna rağmen, çoğu uzman yapay ve insan zekasının sinerjik olarak çalışacağına inanıyor. Daha büyük endişe, hem biyomedikal bilgi hem de algoritma oluşturma yeterliliğine sahip kişilerin yetersizliğidir. Bu insan sorunu çözülebilirse, başarılı AI uygulamaları oluşturmanın anahtarı, çözüm aradığımız problem hakkında topladığımız verinin kalitesine ve miktarına bağlı olabilir. “Üç şeye güveniyoruz,” diyor bir derin öğrenme girişiminin CEO'su. “Veri, veri ve daha fazla veri.”

kaynak:Scientific American and Nature'da yayınlanan bu rapor, F. Hoffmann-La Roche Ltd tarafından desteklenmektedir. -