Onkologiyada süni intellektin geniş istifadəsinə hansı maneələr var?

Bu məqalədə
Bu mövzu nə üçün vacibdir?
Süni intellekt (Sİ) son illərdə onkologiyada diaqnostika, müalicə planlaşdırılması və xəstələrin izlənməsi kimi bir çox sahədə ümidverici texnologiya kimi meydana çıxıb. Lakin bu marağa baxmayaraq Sİ-nin klinik praktikaya inteqrasiyasında ciddi problemlər var. Bu məqalədə onkologiyada Sİ-nin daha geniş mənimsənilməsinə mane olan əsas amilləri ətraflı nəzərdən keçirəcəyik: dəqiqlik çatışmazlığı, məlumat müxtəlifliyi problemləri, etik və ekoloji narahatlıqlar, tənzimləmə boşluqları və digərləri.
1. Süni intellekt nə qədər dəqiqdir? Hallüsinasiya problemi və yanıltıcı məlumatlar
Onkoloqların ən böyük narahatlıqlarından biri Sİ sistemlərinin yüksək “hallüsinasiya tezliyi”dir. Bu, sistemlərin həqiqətə əsaslanmayan və ya yanlış məlumat yaratması deməkdir.
Vacib qeyd: bəzi tədqiqatlarda Sİ çatbotlarının yanlış məlumat yaratma tezliyi 20-30%-i keçib. Bu, xüsusən müalicə protokollarının sürətlə dəyişdiyi onkologiyada ciddi riskdir.
Bu vəziyyət xüsusən onkologiyada təhlükə yaradır:
Sİ alətləri ədəbiyyatı yanlış çatdıra və rəy prosesindən keçməmiş məqalələri mənbə göstərə bilər. Bu da düzgün yoxlanılmadıqda optimal olmayan klinik tövsiyələrə gətirə bilər.
2. Məlumat dəstlərində qərəz: hamıya uyğun deyil
Sİ sistemləri təlim aldıqları məlumat qədər uğurludur. Lakin bu məlumat dəstləri əsasən ağdərili və yüksək sosial-iqtisadi qruplardan olan şəxsləri təmsil edir. Bu da sistemin fərqli irq, etnik mənşə və coğrafiyalardakı xəstələrdə uğursuz olmasına səbəb olur.
Vurğulanmalı fakt: azlıq qruplarına dair məlumatlarla təlim almamış Sİ sistemlərinin düzgün diaqnoz qoyma tezliyi ciddi azala bilər. Bu da sağlamlıq bərabərsizliyini daha da dərinləşdirə bilər.
3. Klinik praktikaya uyğundurmu? İş axınına inteqrasiya çətinliyi
Bir çox klinik mühit Sİ sistemlərinin inteqrasiyasına hazır deyil.
Klinik mühit sıx və mürəkkəbdir. Klinikaların çoxunda bu sistemləri qurmaq üçün kifayət qədər texniki infrastruktur yoxdur.
Həmçinin bir çox Sİ modeli “qara qutu” kimi davranır, yəni qərarının məntiqini izah etmir. Bu, həkimlərin xəstələrə izah verməsini çətinləşdirir.
4. Xəstə məxfiliyi və tənzimləmə boşluqları
Xərçəng məlumatları genetik məlumat da ehtiva etdiyindən xəstə məxfiliyinin qorunması xüsusilə vacibdir. Lakin bir çox Sİ aləti xəstə məlumatlarının geniş paylaşılmasını tələb edir.
Həmçinin Sİ dəstəkli qərarların mənfi nəticələri zamanı hüquqi məsuliyyətin kimdə olduğu hələ aydın deyil. Bu da bir çox səhiyyə müəssisəsinin Sİ-yə ehtiyatla yanaşmasına səbəb olur.
5. Ekoloji və texniki xərclər: görünməyən bədəllər
Sİ sistemləri nəhəng məlumat mərkəzlərində işlədilir və bu mərkəzlər ildə milyonlarla litr su, enerji və nadir elementlər (litium, kobalt) istehlak edir. Bu da karbon izini artırır.
Diqqətçəkən məlumat: böyük Sİ modellərinin illik karbon emissiyaları kiçik şəhərlərin emissiyalarına yaxınlaşa bilər.
Həmçinin sistemlərin daim yenilənməsi xəstəxanaların informasiya texnologiyaları bölmələrinin yükünü artırır. Resurs çatışmazlığı olan qurumlar bu sistemləri davam etdirə bilmir.
6. Sİ xəstə baxımından nə qədər etibarlıdır?
Xəstələrin də Sİ dəstəkli məlumat alətlərindən istifadə edərkən yanlış istiqamətləndirilmə riski daşıdığını unutmamaq lazımdır. Xüsusən kontekstdən kənar verilən məlumatlar — məsələn, orta sağqalım göstəriciləri — fərdi xəstə üçün yanıltıcı ola bilər.
Sağlamlıq savadlılığı aşağı olan xəstələrdə Sİ alətləri məlumat qarışıqlığı yarada bilər. Bu da yanlış müalicə qərarlarına səbəb ola bilər.
7. Həll təklifləri: daha etik, təhlükəsiz və əlçatan Sİ üçün
Bəs bu qədər problemə baxmayaraq Sİ onkologiyada necə təhlükəsiz və effektiv istifadə edilə bilər?
Klinik doğrulama sistemləri
Sİ-nin tövsiyələri real vaxtda onkoloqlar tərəfindən yoxlanılmalıdır.
Daim yenilənən doğrulama sistemləri tətbiq edilməlidir.
Təlim proqramları
Tibb fakültələrində və davamlı təhsildə Sİ savadlılığı tədris proqramına daxil edilməlidir.
ASCO kimi təşkilatlar onkologiyaya xüsusi Sİ təlim modulları hazırlamalıdır.
Multidissiplinar komandalar
Sİ sistemləri yalnız mühəndislərlə deyil, onkoloqlar, etika mütəxəssisləri və xəstələrlə birlikdə hazırlanmalıdır.
Məlumat təhlükəsizliyi və şəffaflıq
Sİ sistemlərinin təlim aldığı məlumat dəstlərinin məzmunu və performans təfərrüatları həkimlərlə şəffaf paylaşılmalıdır.
Ekoloji təsirin qiymətləndirilməsi
Hər yeni Sİ sistemi üçün ekoloji təsir analizi aparılmalı və nəticələr səhiyyə siyasətinə inteqrasiya edilməlidir.
Nəticə: Sİ onkologiyada ümidvericidir, lakin əvvəlcə maneələri aşmalıyıq
Sİ sistemləri onkoloji praktikanı asanlaşdırmalı, mürəkkəbləşdirməməlidir. Yoxlanılmış məlumatlarla işləməli, enerjidən səmərəli istifadə etməli və daim yenilənməlidir. Ən əsası isə insanı mərkəzə almalıdır.
Süni intellekt onkologiyada inqilab yarada bilən texnologiya ola bilər, lakin bu potensiala çatmaq üçün dəqiqlik, ədalət, şəffaflıq və davamlılıq əsasında formalaşmalıdır.
Mənbələr
2. Fountzilas E, Pearce T, Baysal MA, Chakraborty A, Tsimberidou AM. Convergence of evolving artificial intelligence and machine learning techniques in precision oncology. NPJ Digit Med. 2025;8(1):75. doi:10.1038/s41746-025-01471-y
3. Heudel P-E, Crochet H, Blay J-Y. Impact of artificial intelligence in transforming the doctor–cancer patient relationship. ESMO RWD and Digital Oncology. 2024;3:100026. doi:10.1016/j.esmorw.2024.100026
4. Kurian M, Adashek JJ, West HJ. Cancer care in the era of artificial intelligence. JAMA Oncol. 2024;10(5):683. doi:10.1001/jamaoncol.2023.7263
5. Kather JN. Artificial intelligence in oncology: Chances and pitfalls. J Cancer Res Clin Oncol. 2023;149(10):7995-7996. doi:10.1007/s00432-023-04666-6
6. Cobanaj M, Corti C, Dee EC, et al. Advancing equitable and personalized cancer care: Novel applications and priorities of artificial intelligence for fairness and inclusivity in the patient care workflow. Eur J Cancer. 2024;198:113504. doi:10.1016/j.ejca.2023.113504
7. Kolla L, Parikh RB. Uses and limitations of artificial intelligence for oncology. Cancer. 2024;130(12):2101-2107. doi:10.1002/cncr.35307
8. Schinkel M, van der Poll T, Wiersinga WJ. Artificial intelligence for early sepsis detection: A word of caution. Am J Respir Crit Care Med. 2023;207(7):853-854. doi:10.1164/rccm.202212-2284VP
9. Adegbesan A, Akingbola A, Aremu O, et al. From scalpels to algorithms: The risk of dependence on artificial intelligence in surgery. J Med Surg Public Health. 2024;3:100140. doi:10.1016/j.glmedi.2024.100140
10. Mennella C, Maniscalco U, De Pietro G, Esposito M. Ethical and regulatory challenges of AI technologies in healthcare: A narrative review. Heliyon. 2024;10(4):e26297. doi:10.1016/j.heliyon.2024.e26297
11. Katirai A. The environmental costs of artificial intelligence for healthcare. Asian Bioeth Rev. 2024;16(3):527-538. doi:10.1007/s41649-024-00295-4
12. Tahir D. Health care AI, intended to save money, turns out to require a lot of expensive humans. KFF Health News. Dərc edilib: 10 yanvar 2025. Baxış tarixi: 23 mart 2025.
13. Duwe G, Mercier D, Wiesmann C, et al. Challenges and perspectives in use of artificial intelligence to support treatment recommendations in clinical oncology. Cancer Med. 2024;13(12):e7398. doi:10.1002/cam4.7398
14. Carroll G. Transforming cancer care delivery with generative AI. ASCO Connection. Dərc edilib: 9 noyabr 2023. Baxış tarixi: 23 mart 2025.
Bu məqalə sizə faydalı oldu?
Rəyiniz məzmunumuzu yaxşılaşdırmağa kömək edir.





Oxucu şərhləri
Şərhinizi paylaşın
Adınız və şərhiniz yalnız administrator təsdiqindən sonra dərc olunur. E-poçt ünvanınız ziyarətçilərə heç vaxt göstərilmir.
İlk şərhi siz yazın.