Yapay zeka (AI), sağlık hizmetlerinde sıklıkla tartışılıyor olsa da, aslında eczacılık pratiğinin çeşitli alanlarında, iş akışına entegre edilmiş ve pratik uygulamalara sahip. Bu araçlar, klinik karar verme yetkisi olarak değil, ilaçlarla ilgili bakımın giderek artan karmaşıklığını yönetmeye yardımcı olmak için mevcut sistemlere yerleştirilmiş durumda. Temel değerleri, eczacının yargısını değiştirmekten ziyade, büyük miktarda klinik veriyi düzenleyerek, anlamlı örüntüler belirleyerek ve hasta bakımı faaliyetlerinin önceliklendirilmesini iyileştirerek bu yargıyı geliştirmektir. Bu bağlamda, yapay zeka, verimliliği artırırken eczacının terapötik karar verme sürecindeki merkezi rolünü koruyan destekleyici bir katman olarak işlev görüyor.
Yapay zekanın eczacılık pratiğindeki en yaygın kullanımlarından biri, elektronik sağlık kayıtlarından (EHR) elde edilen verilerle yapılan tahminsel risk modellemesidir. Bu öğrenme sistemleri, hastaneye yeniden yatış, klinik bozulma ve ilaç uyumsuzluğu gibi sonuçlarla ilişkili örüntüleri belirlemek için büyük veri kümelerini analiz eder. Tedavi önerileri üretmek yerine, olası olumsuz sonuçların olasılığına göre hastalara risk puanları atarlar. Örneğin, tutarsız reçete takibi olan ve birçok ayakta tedavi randevusuna katılmayan bir hastaya insülini yeni başlayan bir hasta, kötü glisemik kontrol veya ilaç uyumsuzluğu açısından yüksek riskli olarak işaretlenebilir. Bu durum doğrudan bir klinik müdahaleye yol açmaz, ancak eczacının daha yakından incelemesi gereken bir sinyal görevi görür. Uygulamada, bu durum eczacıların reaktif kayıt incelemesinden ziyade, ilaç uyumlaştırması, danışmanlık veya takip müdahalelerinden fayda sağlayabilecek hastaların önceliklendirilmesine olanak tanır.
Tarihsel olarak, benzer bir yaklaşım, 19. yüzyılda İngiltere’de madenlerde kullanılan “fener” sisteminde görülmüştür. Madenciler, gaz kaçağına karşı erken uyarı sağlamak için fenerlerini taşıyarak çalıştılar ve bu da potansiyel tehlikelere karşı proaktif bir güvenlik önlemiydi. Benzer şekilde, eczacılıkta yapay zeka destekli risk modellemesi, olası sorunlara karşı erken uyarı sağlayarak daha proaktif bir hasta bakımı yaklaşımını teşvik eder.
Sepsis Teşhisinde Yapay Zeka Destekli Sistemler
Hastanelerde de benzer bir yaklaşım kullanılıyor; bu da, elektronik sağlık kayıtlarına (EHR) entegre edilmiş, yapay zeka tabanlı erken uyarı sistemleriyle sepsis teşhisini kolaylaştırmak anlamına geliyor. Örneğin, Targeted Real-time Early Warning System (TREWS), hastalığın erken evrelerinde sepsis riski taşıyan hastaları belirlemek için tasarlanmış bir yapay zeka aracıdır.2 Bu sistemler, sürekli olarak hastaya özgü verileri analiz ederek, geleneksel yöntemlerle sepsis teşhisi konulmadan önce, klinik durumun kötüleşme belirtilerini tespit ediyor. İki yıllık bir süre boyunca beş farklı hastanede yapılan bir çalışmada, TREWS sistemi, geriye dönük olarak teyit edilen sepsis vakalarının %82’sini tespit etmeyi başarmıştır. Ayrıca, oluşturulan uyarıların %89’u bir doktor veya uzman sağlık görevlisi tarafından incelenmiş; bu da sistemin klinik iş akışına ne kadar iyi entegre edildiğini ve sağlık çalışanları tarafından ne kadar kullanıldığını gösteriyor.2
Örneğin, zatürre nedeniyle hastaneye yatırılan bir hasta, henüz sepsis kriterlerini tam olarak karşılamayabilir; ancak artan kalp hızı, yükselen beyaz kan hücresi sayısı ve düşen tansiyon gibi durumlar birlikte, yüksek riskli bir uyarı tetikleyebilir. Bu sistemler, klinik durumun erken dönemdeki kötüleşmesini tespit etmeye ve tedaviye başlanmasına yardımcı olabilirken, kesin tanı araçları olarak tasarlanmamıştır ve bazen yanlış pozitif sonuçlar verebilir. Bunun yerine, bu sistemler, ek değerlendirme yapılması için sağlık çalışanlarını uyaran ve hastaların daha yakından takip edilmesi gerekip gerekmediğini belirlemelerine yardımcı olan klinik destek araçlarıdır.
Tarihsel olarak bakıldığında, benzer bir durum Osmanlı İmparatorluğu’nda da görülmüştür. Özellikle fethettiği geniş topraklarda, merkezi otorite tarafından gönderilen doktorlar ve sağlık görevlileri, yerel halkın yaşadığı salgın hastalıkları önlemek için erken uyarı sistemleri kurmaya çalışmışlardır. Ancak, iletişimdeki zorluklar ve kaynak yetersizliği nedeniyle bu sistemlerin etkinliği sınırlı kalmıştır. Günümüzde ise, yapay zeka teknolojisi sayesinde, benzer sorunların daha hızlı ve etkili bir şekilde çözülmesi mümkün hale gelmiştir.
Yapay zeka, risk tahmini yapmanın ötesinde, eczacılık alanındaki uzun süredir devam eden bir sorunu çözmek için de kullanılıyor: yapılandırılmamış klinik dokümantasyon. Klinik karar alma süreçlerinde ihtiyaç duyulan ilaçlarla ilgili bilgilerin çoğu, elektronik sağlık kayıtlarındaki (EHR) düzenli veri alanları yerine, anlatısal notlarda yer almaktadır. Doğal dil işleme araçları, hasta gelişim raporlarını, taburcu özetlerini ve danışmanlık belgelerini inceleyerek, ilaç başlangıçları, kesintiler, doz ayarlamaları ve advers ilaç etkileri gibi önemli bilgileri tespit edebilir. Bu özellikle bakım süreçlerinin geçişlerinde çok değerlidir; çünkü bu dönemlerde planlanan ve belgelenen ilaç rejimleri arasındaki farklılıklar yaygındır ve manuel kayıt incelemesi hem zaman alıcı olabilir hem de eksikliklere yol açabilir.3
Dahası, yapay zeka eczane operasyonlarında da kullanılarak, ilaç talebini tahmin etmeye ve potansiyel kıtlıkları daha erken tespit etmeye yardımcı oluyor. Bu sistemler, reçeteleme eğilimleri, mevsimsel örüntüler ve ilaç kullanım verileri gibi faktörleri analiz ederek, eczanelerin envanter ihtiyaçlarını daha iyi anlamalarına yardımcı olur. Bu, daha proaktif bir envanter yönetimine olanak tanır ve özellikle ilaç talebinde dalgalanmaların olduğu veya potansiyel tedarik sıkıntılarının yaşandığı dönemlerde son dakika siparişlerine olan bağımlılığı azaltır. Örneğin, Roma İmparatorluğu’nun genişlemesi sırasında, imparatorluk, farklı bölgelerdeki kaynakları etkin bir şekilde yönetmek ve ihtiyaç duyulan malzemelerin zamanında iletilmesini sağlamak için gelişmiş lojistik sistemleri kullanıyordu. Bu, hem askeri operasyonların başarısı için kritik öneme sahipti hem de ekonomik istikrarı destekliyordu.
Yapay zeka ayrıca, hastaların ilaçlarını daha iyi anlamalarına ve yönetmelerine yardımcı olarak hasta bakımını da destekleyebilir; bu, dijital sağlık uygulamaları, otomatik hatırlatıcılar ve kişiselleştirilmiş eğitim araçları aracılığıyla sağlanır. Bu teknolojiler, ilaçların ne zaman ve nasıl alınması gerektiği konusunda rehberlik sağlayabilir, tekrar dolum veya kullanım uyumu hatırlatmaları gönderebilir ve giyilebilir cihazlar ve mobil sağlık platformları aracılığıyla ilaç takibini destekleyebilir. Bazı yapay zeka tabanlı araçlar ayrıca, sağlık profesyonelleriyle iletişimi iyileştirmeye ve daha yakından takip edilmesi gereken veya kullanım uyumu müdahalelerinden fayda sağlayabilecek hastaları belirlemeye yardımcı olabilir.1
Yapay Zeka, Eczacılıkta Dönüşümü Hızlandırıyor
Sonuç olarak, eczacılık alanındaki yapay zekanın klinik otorite kaynağı olmaktan ziyade destekleyici bir teknoloji olarak görülmesi önemlidir. Bu sistemler, karmaşık klinik verileri düzenleyerek, ilgili örüntüleri daha erken tespit ederek ve eczacıların hasta bakım faaliyetlerine öncelik vermesine yardımcı olarak verimliliği artırabilir. Ancak, eczacılar bulguları yorumlama ve tüm son terapötik kararları verme sorumluluğunu taşımaya devam etmektedirler. Yapay zeka geliştikçe, eczacılık pratiğindeki en büyük katkısı muhtemelen iş akışlarını optimize etmek, bilişsel yükü azaltmak ve eczacıların daha fazla zamanı hasta bakımı, klinik muhakeme ve disiplinler arası işbirliğine ayırmalarını sağlamaktır.
Bu bağlamda, 19. yüzyılın sonlarında ve 20. yüzyılın başlarında yaşanan sanayi devrimi ile yapay zekanın eczacılık alanındaki etkisi arasında paralellikler görmek mümkündür. Sanayi devrimi, üretim süreçlerini kökten değiştirmiş, iş gücüne olan ihtiyacı azaltmış ve yeni becerilere sahip uzmanlara olan talebi artırmıştır. Benzer şekilde, yapay zeka da eczacılıkta bazı rutin görevleri otomatikleştirerek, eczacıların daha karmaşık sorunlara odaklanmasını sağlamaktadır. Bu durum, tıpkı sanayi devriminde olduğu gibi, eczacılık alanında yeni fırsatlar yaratırken aynı zamanda mevcut çalışanların becerilerini geliştirmelerini ve değişen koşullara uyum sağlamalarını gerektirmektedir.
Yapay zekanın eczacılıkta kullanımının yaygınlaşmasıyla birlikte, bu teknolojinin potansiyel faydaları ve riskleri hakkında daha fazla bilgi edinmek ve etik ilkeler çerçevesinde kullanılması büyük önem taşımaktadır. Eczacıların yapay zeka sistemlerini etkin bir şekilde kullanabilmeleri için gerekli eğitimlerin verilmesi ve sürekli gelişen teknolojiye ayak uydurmalarının desteklenmesi gerekmektedir.
Kaynak: Pharmacy Times