NRW Üniversitesi klinikler için Yapay Zekâ tabanlı erken uyarı sistemi geliştiriyor

Hastanelerdeki enfeksiyon salgınlarının erken dönemde tespit edilmesi, hasta güvenliği ve hastane hijyeni açısından kritik bir görevdir. Duisburg-Essen Üniversitesi'nde (UDE) disiplinler arası bir araştırma ekibi, VaSequIs (İzolatların Sekanslanması Yöntemlerinin Validasyonu) projesi kapsamında; hasta, içme suyu ve atık su örneklerinden elde edilen verileri bir araya getiren Yapay Zekâ (YZ) tabanlı bir erken uyarı sistemi geliştiriyor.

Söz konusu projenin amacı; patojen kalıplarını daha hızlı görünür kılmak, olası salgın durumlarını daha erken sınıflandırmak ve enfeksiyon zincirlerini daha iyi takip edebilmektir. Essen Üniversitesi Hastanesi'nde (UKE) bu doğrultuda, yapay zekâ desteğiyle 7/24 atık su örneği alan otomatik örnekleme cihazları ilk kez kullanılmaya başlandı. Bu örnekler daha sonra moleküler biyolojik yöntemlerle incelenmekte ve enfeksiyon önleyici potansiyellerini belirlemek amacıyla DNA dizilimleri (sekansları) çıkarılmaktadır.

Tıbbi Mikrobiyoloji Enstitüsü'nden Prof. Dr. Jan Kehrmann ve Tıpta Yapay Zekâ Enstitüsü'nden Prof. Dr. Folker Meyer, kendileriyle yaptığımız röportajda; VaSequIs projesini, sekanslama ile yapay zekâ arasındaki bağı ve projenin araştırma dünyası, klinikler ile bir sağlık üssü olarak NRW için taşıdığı önemi anlatıyorlar.

Hastaneler halihazırda enfeksiyonlar ve patojenler hakkında birçok bilgi topluyor. Bugün salgınların erken tespit edilmesindeki en büyük zorluklar nelerdir? VaSequIs bu sürece nasıl bir katkı sağlayabilir?

Hastanede salgınların hızla tespit edilmesi, özellikle henüz tanımlanmamış bir kaynak söz konusu olduğunda, yeni enfeksiyon hastalıklarının önlenmesi açısından hayati önem taşır. Bu amaçla laboratuvar sonuçları, patojen tespitleri ve epidemiyolojik veriler gibi pek çok bilgi toplanır. Bu veriler, hastane hijyen yönetimi ile yakın iş birliği içinde değerlendirilir ve yorumlanır.

Buradaki zorluk, çok sayıda bağımsız bulgu arasından, örneğin belirli antibiyotik direnç kalıplarına sahip patojenlerin olağan dışı kümelenmesi gibi değişiklikleri erken aşamada fark edebilmektir. Yeni nesil dizileme (Next Generation Sequencing - NGS) gibi modern ve bilgisayar destekli DNA sekanslama yöntemleri ve VaSequIs gibi projeler bu noktada ek imkanlar sunmaktadır. Temiz su, atık su ve hasta izolatlarının NGS yöntemiyle incelenmesi sayesinde değişiklikler veya patojen yoğunlaşmaları erken dönemde tespit edilebilmektedir. Bu süreçte sadece bilinen tekil patojenler aranmamakta, örnekteki tüm genetik materyal incelenmektedir.

Bu tür yaklaşımlar gelecekte değerli bir erken uyarı sistemi işlevi görerek daha hedef odaklı ve hızlı tepki verilmesine yardımcı olabilir. Dolayısıyla VaSequIs'ten elde edilen bulgular, enfeksiyon önleme tedbirlerinin geliştirilmesi için temel oluşturabilir.

UKE'de uygulanan otomatik ve yapay zekâ tabanlı atık su örneklemesinin, geleneksel ve noktasal incelemelere kıyasla farkı nedir?

Hiçbir klinik bakteriyel enfeksiyonlardan tamamen korunmuş değildir. Antibiyotik dirençli patojenlerin giderek yaygınlaşması nedeniyle, erken tespit ve önleme faaliyetlerinin önemi gelecekte daha da artacaktır. VaSequIs tam da bu noktada devreye girmektedir. Amacımız "gelişmelerin önüne geçmek", yani potansiyel enfeksiyon olaylarını mümkün olan en erken aşamada tahmin edebilmektir. Bu doğrultuda şu anda Essen Üniversite Hastanesi'nin her bir kliniği için yapay zekâ modelleri geliştiriyoruz. Bu modeller, atık sudan sürekli olarak toplanan ve tıbbi mikrobiyoloji ile hastane hijyen birimlerinde mevcut olan enfeksiyon ve patojen bilgileriyle birleştirilen verileri analiz etmektedir.

Böylece halihazırda oldukça kapsamlı olan klinik verilere ek bir boyut kazandırmış oluyoruz: Bir bina içinde bulunan tüm insanların atık suya yansıyan birleşik mikro biyomunu inceliyoruz.

Asıl katma değer, bu farklı veri kaynaklarının birbirine bağlanmasıyla ortaya çıkmaktadır. Atık su verileri son derece karmaşıktır ve modern yapay zekâ yöntemleri olmadan güvenilir bir şekilde değerlendirilmesi neredeyse imkânsız olan çok sayıda biyolojik sinyal içerir. İlgili değişiklikleri ve eğilimleri tespit etmek ancak tıbbi mikrobiyoloji, hastane hijyeni ve yapay zekâ uzmanlıklarının bir araya getirilmesiyle mümkün olmaktadır. Bu temel üzerinde, gerekirse daha büyük bir enfeksiyon dalgası gelişmeden önce önlemler alabiliyoruz. İlk sonuçlar, belirli gelişmelerin kısmen birkaç hafta öncesinden tahmin edilebildiğini şimdiden gösteriyor. Enfeksiyon önleme açısından sadece birkaç gün önce bile daha erken tepki verebilmek gerçek bir paradigma değişimi olacaktır.

Diğer bir avantaj ise veri toplama işleminin tamamen invaziv olmayan (müdahalesiz) bir şekilde gerçekleştirilmesidir. Hastalara ek bir yük getirmeden ve kişisel verileri toplamadan, bir binanın mikrobiyolojik durumu hakkında değerli bilgiler edinebiliyoruz.

Hastane hijyeni ve tıbbi mikrobiyoloji birimleri, yerleşik enfeksiyon sürveyansı (izlemi) kapsamında halihazırda mükemmel bir iş çıkarmaktadır. Ancak doğası gereği bu süreç zaman ve personel yoğun bir çalışmadır. VaSequIs bu prosedürlerin yerini almayı değil, onları sürekli aktif olan ek bir erken uyarı bileşeniyle tamamlamayı amaçlamaktadır. Atık suların rutin olarak incelenmesi, COVID-19 pandemisi sırasında epidemiyolojik gelişmelerin değerlendirilmesindeki değerini zaten kanıtlamıştı. Bugün mevcut olan yapay zekâ yöntemleriyle bu potansiyeli artık doğrudan hastane tıbbının hizmetine sunabiliyoruz.

VaSequIs; tıbbi mikrobiyoloji, yapay zekâ araştırmaları, hastane hijyeni ve pratik uygulamaya transfer alanlarındaki uzmanlıkları bir araya getiriyor. NRW, üniversite klinikleri, araştırma kurumları ve güçlü yapay zekâ yetkinlikleri ile bu alanda oldukça yoğun bir inovasyon ekosistemi sunuyor. VaSequIs gibi projeler bu ortamdan nasıl yararlanıyor ve NRW'nin Almanya ile Avrupa'da tıbbi yapay zekâ uygulamalarında lider bir konuma gelmesi için ne gibi fırsatlar görüyorsunuz?

Kuzey Ren-Vestfalya eyaleti, Almanya genelinde benzersiz bir üniversite klinikleri, araştırma kurumları ve teknoloji odaklı şirket yoğunluğuna sahip. VaSequIs gibi bir proje için bu ortam paha biçilemez bir değer taşımakta; çünkü tıbbi, mikrobiyolojik, epidemiyolojik ve veri bilimi uzmanlıkları burada doğrudan bir araya gelmektedir.

Yapay zekâ ile enfeksiyon tıbbının birleştirilmesi, NRW'de özel bir odak noktasını temsil ediyor. Örneğin, şu anda Münster Üniversite Hastanesi ile birlikte genomik verilere dayanarak bakteriyel antibiyotik dirençlerini tahmin etmeye yönelik yöntemler üzerinde ortaklaşa çalışıyoruz. Bu tür iş birlikleri, lokasyonların güçlü bir şekilde ağ oluşturmasının nasıl bir potansiyel barındırdığını göstermektedir.

Buna ek olarak, Kuzey Ren-Vestfalya güçlü bir yapay zekâ araştırma altyapısına sahip. Bu sayede yeni yöntemler çok daha hızlı bir şekilde geliştirilebilmekte, doğrulanabilmekte ve klinik uygulamaya aktarılabilmektedir. Aynı zamanda, yapay zekâ araştırmacıları tıp alanındaki büyük veri hacimlerinden ve gerçek uygulama senaryolarından faydalanmaktadır. Bu karşılıklı etkileşim, başarının temel unsurlarından biridir.

Şu anki göstergelerin de işaret ettiği üzere VaSequIs başarıyla kurumsallaşırsa, bir sonraki mantıklı adım bu yaklaşımın Kuzey Ren-Vestfalya'daki diğer üniversite kliniklerine de yaygınlaştırılması olacaktır. Bu konudaki ilk görüşmeler halihazırda devam etmektedir. Böylece, yapay zekâ destekli enfeksiyon izleme için eyalet çapında bir ağ oluşturulabilir; bu da sadece hasta bakımını iyileştirmekle kalmaz, aynı zamanda NRW'yi veri odaklı önleme ve erken uyarı sistemlerinde öncü bir konuma taşır.

Yapay zekâ ve veri analizi açısından bakıldığında: Gelecekte, sağlık, çevre veya altyapı verilerinin erken ve otomatik olarak değerlendirilmesi gereken diğer alanlar da VaSequIs yöntemlerinden veya deneyimlerinden faydalanabilir mi?

Kesinlikle. Projede geliştirilen yapay zekâ modelleri ilk etapta karmaşık atık su verilerinden enfeksiyon süreçlerine dair sonuçlar çıkarmaya hizmet etse de, temelini oluşturan yöntemler çok daha genel olarak uygulanabilir niteliktedir. Benzer yaklaşımları bugün zaten diğer tıbbi uygulama alanlarında da kullanıyoruz. Örneğin, organ nakli sonrasındaki tedavi başarılarını tahmin etmek amacıyla benzer modelleri başarıyla uyguladık. Büyük, heterojen ve zamanla değişen veri setlerinden ilgili kalıpları tanıma yeteneği, enfeksiyon tıbbı ile sınırlı değildir.

Ayrıca, geliştirilen veri bilimi yöntemleri sağlık sektörü dışındaki çok sayıda uygulama için de uygundur. Esas olarak, çok büyük ve karmaşık veri kümeleri içinde nadir ancak önemli sinyalleri güvenilir bir şekilde tespit etmek söz konusudur – mecazi bir ifadeyle, “samanlıkta iğneyi” bulmak gibi. Bu zorluk, birçok teknik ve endüstriyel alanda da karşımıza çıkmaktadır.

Buna bir örnek, teknik tesislerin kestirimci bakımıdır (predictive maintenance). Sensör verileri sürekli olarak kaydedildiğinde, yapay zekâ modelleri yaklaşan bir arızaya işaret eden değişiklikleri erkenden bildirebilir. Benzer yaklaşımlar çevre izleme, kritik altyapılar veya enerji arzı gibi alanlarda da düşünülebilir.