Çalışma: Biyoteknolojideki çok modlu yapay zeka pazarının 2034 yılına kadar 13 milyar dolara ulaşması bekleniyor

Makalede, çok modlu yapay zekânın daha doğru tahminler sağladığı, ilaç keşfini hızlandırdığı ve biyolojik süreçler hakkında kapsamlı bir anlayış sağladığı belirtiliyor. Yazarlara göre, heterojen verilerin entegrasyonu, hastaların dijital ikizlerinin oluşturulmasının ve kişiselleştirilmiş tıbba geçişin önünü açıyor.

Yapay zekâ, ilaç geliştirmede terapötik hedeflerin belirlenmesinden klinik deneylerin yürütülmesine kadar tüm aşamaların optimize edilmesine yardımcı oluyor. Makine öğrenimi algoritmaları moleküler yapıları analiz ediyor, umut vadeden bileşikleri belirliyor ve ilaçların vücutla etkileşimlerini modelliyor. Yapay zekânın, özellikle de çok modlu modellerin kullanımı, araştırma süresini önemli ölçüde azaltabilir.

AstraZeneca, Bayer, GSK, Roche ve Moderna gibi büyük şirketler, geliştirme süreçlerinin verimliliğini artırmak için bu tür çözümleri aktif olarak uyguluyor. Uzmanlar, 2030 yılına kadar yeni ilaçların yarısından fazlasının yapay zekâ teknolojileri kullanılarak geliştirileceğini tahmin ediyor. Bu tür sistemler, şirketlerin geliştirme maliyetlerini düşürmelerine ve ABD Gıda ve İlaç Dairesi (FDA) tarafından başlatılan hayvan deneylerinden dijital ve hücresel modellere geçişe hazırlanmalarına yardımcı oluyor .

Genomikte yapay zekâ, dizileme verilerini analiz etmek ve genetik varyantlar ile hastalıklar arasındaki ilişkileri belirlemek için kullanılır. Çok modlu algoritmalar, genomik, klinik ve davranışsal verileri bir araya getirerek hastalık risklerini daha doğru bir şekilde belirlemeye ve en uygun tedavi rejimlerini seçmeye yardımcı olur, böylece tedavi başarısızlığı olasılığını azaltır ve yan etkileri en aza indirir. Örneğin, ABD'deki Mount Sinai Hastanesi'ndeki Icahn Tıp Fakültesi, nadir görülen genetik mutasyonlara sahip hastalıkların gelişme olasılığını tahmin eden yapay zekâ tabanlı bir model sunmuştur . 1 milyondan fazla hastadan alınan verilerle eğitilen sistem, doktorların riski ölçmelerine ve önleme ihtiyacına karar vermelerine olanak tanır.

İnceleme, yapay zekânın en çok pratik uygulama gördüğü alan olan tıbbi teşhislere özellikle vurgu yapmaktadır. FDA'ya göre, 500'den fazla yapay zekâ tabanlı algoritma onaylanmıştır ve bunların yaklaşık %70'i radyoloji, onkoloji ve kardiyolojide kullanılmaktadır. Modern yapay zekâ sistemleri, MR veya BT taramaları gibi tıbbi görüntüleri otomatik olarak analiz edebilir ve en ufak patolojik değişiklikleri bile tespit edebilir. Bu algoritmalar, kanser, felç, kalp hastalığı ve zamanında teşhisin hastanın prognozu için kritik öneme sahip olduğu diğer durumların erken teşhisi için kullanılır. Örneğin, Seul Ulusal Üniversitesi'ne göre, Kore algoritması ModelDerm, dermatologların sonuçlarına benzer sonuçlar ortaya koyarak cilt kanserini %78'e varan doğrulukla tespit etmektedir .

İncelemenin yazarları, teknolojinin hızla yayılmasının artan yatırım ve artan düzenleyici denetimlerle birlikte gerçekleştiğini belirtiyor. Fortune Business Insights'a atıfta bulunan incelemede, küresel yapay zeka pazarının 2024 yılında 233 milyar dolar değerinde olduğu ve 2032 yılına kadar 1,7 trilyon doları aşabileceği belirtiliyor. Mevcut modeller genellikle şeffaf olmadığı ve denetlenmesi zor olduğu için, hızlı büyüme tek tip uluslararası düzenlemeler ve denetim araçları gerektiriyor.

Çalışmada belirlenen temel riskler, kaynak verilerin kalitesi, algoritmaların güvenliği ve sistemlerin hasta çeşitliliğini yansıtmayan örneklerle eğitilmesi durumunda ortaya çıkabilecek önyargı riskiyle ilgilidir. Bu durum, tanı hatalarına ve sağlık hizmetlerine eşitsiz erişime yol açabilir. MIT ve Harvard Üniversitesi'nden araştırmacılar da benzer sorunlara işaret ediyor: Verilerine göre, büyük ölçekli dil modelleri üzerine yapılan çalışmaların yalnızca %5'i gerçek elektronik sağlık kayıtlarını kullanırken , kalan %95'i eğitim veya yapay olarak oluşturulmuş örneklere dayanmaktadır.