• Buradasın

    Yapay Zeka Tabanlı Mediology Platformu Nadir Hastalıkların Teşhis Sürecini Hızlandırıyor

  • poster
    poster
    poster
    poster
    poster
    Invamed Başkanı Raşit Dinç tarafından geliştirilen yeni yapay zeka tabanlı Mediology platformu, nadir hastalıkların teşhis sürecinde benzer klinik ve genetik profillere sahip hastaları eşleştirerek hekimlere veri temelli karar desteği sunacak. 
    1
    28 Ekim
    University of California San Francisco (UCSF) ve UCLA'nın 2024 yılında yaptığı bir araştırma, yapay zeka destekli teşhis sistemlerinin Akut Hepatik Porfirya gibi nadir hastalıklarda yüzde 89-93 oranında doğru sonuç verdiğini ortaya koyuyor. 
    2
    28 Ekim
    Mediology, dünya genelinde kabul gören Matchmaker Exchange metodolojisini yapay zeka teknolojileriyle geliştirerek otomatik hale getirecek. 
    3
    28 Ekim
    Klinik kullanıma geçiş süreci kapsamında Mediology, pilot uygulamalar, klinik geçerlilik doğrulaması çalışmaları ve düzenleyici kurum onay süreçlerinden geçecek. 
    4
    28 Ekim
      haberler.com1
      gazetepencere.com2
      besniguncel.com3
      canligaste.com4

    Diğer konular

    Mediology Nedir? Hasta Eşleştirmesi Nasıl Yapılır?
    takagazete.com.tr29 Ekim
    Yapay Zeka Tabanlı Mediology Platformu Nadir Hastalıkların Teşhis Sürecini Hızlandırıyor
    haberler.com28 Ekim

  • Yanıt bulun

    Yazeka

    Arama sonuçlarına göre oluşturuldu

    Matchmaker Exchange metodolojisi, nadir hastalık araştırmalarında kullanılan bir hasta eşleştirme ağıdır 12.
    Bu metodoloji, fenotipik özellikler, genotipik veriler, hastalık kinetikleri, demografik faktörler ve tedavi yanıt profilleri gibi çok boyutlu parametreler doğrultusunda hastaları eşleştirir 12.
    Matchmaker Exchange, 2015 yılından bu yana 88 ülkeden 150 binden fazla hasta verisini eşleştirmektedir 12.
    Matchmaker Exchange'in bazı özellikleri:
    • Standart uygulama programlama arayüzleri (API) ve prosedürel sözleşmeler aracılığıyla vaka eşleştirmeyi kolaylaştırır 4.
    • Genomik ve fenotipik veri tabanlarını ortak bir API kullanarak birbirine bağlayan federatif bir ağ oluşturmayı amaçlar 5.
    • Küresel bir hasta veri tabanına erişim sağlar 2.
    Matchmaker Exchange, Global Alliance for Genomics and Health (GA4GH) ve International Rare Diseases Research Consortium (IRDiRC) ile işbirliği içinde standartlar ve politika geliştirme çalışmalarından faydalanmaktadır 4.
    5 kaynak
    Mediology platformu, nadir hastalıkların teşhisinde şu şekilde çalışır:
    • Hasta verilerinin analizi: Platform, hasta verilerini klinik semptomlar, genetik varyantlar, hastalık seyri, demografik bilgiler ve tedavi geçmişi gibi çeşitli parametreler üzerinden analiz eder 12.
    • Biyolojik ikiz eşleştirme: Benzer klinik ve genetik profile sahip hastaları eşleştirir, bu işleme "biyolojik ikiz" eşleştirme denir 12.
    • Veri entegrasyonu: Klinik notlar, tıbbi görüntüler, genetik veriler ve akademik veri tabanları gibi farklı kaynaklardan veri toplar 12.
    • Önerilerin sunulması: Hekimlere, benzer vakaların teşhis ve tedavi deneyimlerinden yararlanabilecekleri öneriler sunar 3.
    • Şeffaflık: Önerilerin hangi verilere dayandığını hekimlere açık bir şekilde sunar 13.
    Mediology, hasta bilgilerinin korunması için veri anonimleştirme, şifreleme ve GDPR ile KVKK uyumluluğu gibi tedbirler almıştır 12.
    5 kaynak
    Mediology'nin klinik geçerlilik çalışmaları şunları içermektedir:
    • Pilot uygulamalar 12. Platformun etkinliğini değerlendirmek için gerçekleştirilen ilk testler 12.
    • Klinik geçerlilik doğrulaması 12. Sistemin teşhis ve eşleştirme yöntemlerinin doğruluğunu teyit eden çalışmalar 12.
    • Düzenleyici kurum onay süreçleri 12. FDA ve CE işareti gibi onayların alınması için yapılan işlemler 2.
    • Çok merkezli klinik deneyler 2. Farklı merkezlerde yapılan geniş çaplı testler 2.
    Mediology, tüm bu süreçlerin ardından sağlık bilgi sistemleriyle entegrasyon testlerine tabi tutulacaktır 2.
    5 kaynak
    Nadir hastalıkların teşhisi şu nedenlerle zordur:
    • Düşük prevalans: Nadir hastalıklar, belirli bir nüfusta düşük sıklıkta görülür 12.
    • Genetik veya genetik olmayan köken: Nadir hastalıkların yaklaşık %80'i genetik nedenlerden kaynaklanırken, %20'sinin nedeni ya bilinmemektedir ya da çevresel etkenlerdir 15.
    • Tanı ve tedavi zorlukları: Sağlık profesyonellerinin bu hastalıklarla daha önce karşılaşmamış olması, hastalığın erken tanı ve tedavisini zorlaştırır 125.
    • Çeşitli semptomlar: Aynı hastalığı paylaşan bireyler arasında bile belirgin farklılıklar olabilir 15.
    • İleri laboratuvar tetkikleri gerekliliği: Kimi nadir hastalıkların kesin tanısı için ileri laboratuvar tetkikleri yapılmasına ihtiyaç vardır 3.
    • Epidemiyolojik veri eksikliği: Bu hastalıkların çoğu için epidemiyolojik veriler mevcut değildir 2.
    5 kaynak
    Yapay zeka, nadir hastalıklarda şu şekillerde kullanılabilir:
    • Hasta eşleştirme 14. Mediology gibi platformlar, dünya genelindeki benzer klinik ve genetik profile sahip hastaları eşleştirerek hekimlere teşhis ve tedavi planlamasında yardımcı olur 14.
    • Veri analizi 13. Yapay zeka, genetik ve biyomedikal verileri analiz ederek biyomarker tespiti ve semptom örüntülerinin analizini yapar 13.
    • Görüntü analizi 13. Özellikle Musküler Distrofi gibi hastalıklarda, MRI ve BT gibi yüksek çözünürlüklü görüntüler üzerinde otomatik kontur çizimi yapılır 3.
    • Kişiselleştirilmiş tedavi 3. Genetik ve klinik veriler doğrultusunda kişiye özel, dinamik ve etkili tedavi planları oluşturulur 3.
    • Erken teşhis 3. Sınırlı veriye rağmen güçlü örüntüler çıkarılarak nadir hastalıkların daha erken ve güvenilir teşhisi sağlanır 3.
    Yapay zeka, nadir hastalıklarda teşhis ve tedavi süreçlerini hızlandırıp doğruluğu artırsa da, nihai kararı her zaman hekimler verir 5.
    5 kaynak