Klinik araştırmalar alanı, kişiselleştirilmiş tıp ve hassas tanı çağında, veri hacmi ve karmaşıklığı açısından benzeri görülmemiş bir hızla büyümektedir. Bu dönüşümün merkezinde, Yapay Zeka (YZ) teknolojileri yer almaktadır. YZ, potansiyel hasta kohortlarının belirlenmesinden, klinik veri analizinin hızlandırılmasına ve hatta advers olayların erken tahminine kadar kritik süreçlerde devrim yaratma potansiyeli taşımaktadır. Ancak YZ’nin klinik araştırmalara entegrasyonu, hasta güvenliğini ve veri bütünlüğünü korumak adına uluslararası kabul görmüş standartlara sıkı sıkıya bağlı kalmayı gerektirir.
FDA ve EMA gibi Uluslararası otoritelerce belirlenen “İyi Yapay Zeka Uygulamaları Rehberi” (Good AI Practice), YZ’nin klinik araştırmalardaki güvenilirliğini ve etkinliğini sağlamak için 10 temel prensip sunmaktadır. Bu prensipler, sadece teknolojik bir yol haritası değil, aynı zamanda etik ve düzenleyici bir çerçeve sunar.
Etik ve Operasyonel Temeller
Klinik araştırmaların temelinde insan sağlığı yattığından, YZ uygulamaları öncelikle
- İnsan Odaklı Tasarım prensibine uygun olmalıdır. YZ sistemlerinin geliştirilmesi ve kullanımı, etik değerlerle ve hastaların refahıyla uyumlu olmalıdır. Bu, YZ’nin karar verme süreçlerinde şeffaflığı ve hesap verebilirliği zorunlu kılar.
- Risk Tabanlı Yaklaşım, klinik araştırmalarda YZ kullanımının bağlamına göre risk değerlendirmesi yapılmasını gerektirir. Yüksek riskli uygulamalar orantılı doğrulama, risk azaltma ve daha sıkı denetim mekanizmalarını gerektirirken, düşük riskli uygulamalar daha esnek olabilir.
- Standartlara Uyum, tüm süreçler, GCP dahil olmak üzere standartlara uyum içinde yürütülmelidir.
- Açık Kullanım Bağlamı prensibi, başarılı bir YZ entegrasyonu için, modelin rolü ve kapsamı net bir şekilde tanımlanmalıdır.
- Multidisipliner Uzmanlık ekibi, YZ teknolojisinin yaşam döngüsü boyunca hem klinik hem de teknik uzmanlığı birleştiren, modelin bilimsel geçerliliğini ve klinik uygunluğunu sürekli olarak sağlamalıdır.
Veri Bütünlüğü ve Model Yaşam Döngüsü
Klinik araştırmaların temel taşı olan verinin kalitesi, YZ modellerinin başarısı için hayati öneme sahiptir.
- Veri Yönetişimi ve Dokümantasyon prensibi, veri kaynağının menşeini, işleme adımlarını ve analitik kararları izlenebilir, doğrulanabilir ve GCP gerekliliklerine uygun şekilde belgelenmesini şart koşar. Hassas hasta verilerinin gizliliği ve korunması, bu yönetişimin ayrılmaz bir parçasıdır.
- Model Tasarımı ve Geliştirme Uygulamaları doğrultusunda, modelin kendisi yorumlanabilirlik, açıklanabilirlik ve öngörü performansı dikkate alınarak en iyi yazılım mühendisliği uygulamalarıyla geliştirilmelidir. Bu, modelin klinik sonuçları neden ve nasıl ürettiğini anlamayı kolaylaştırır.
- Risk Tabanlı Performans Değerlendirmesi, Modelin klinik ortamdaki gerçek performansı, risk tabanlı performans değerlendirmesi ile sürekli olarak ölçülmelidir. Bu değerlendirme, sadece modelin teknik metriklerini değil, aynı zamanda insan-YZ etkileşimlerini de kapsamalıdır.
- Yaşam Döngüsü Yönetimi, YZ sistemleri statik değildir: veri kayması gibi sorunları ele almak için periyodik izleme ve yeniden değerlendirme yapılması zorunludur.
Tüm bu teknik ve etik süreçlerin nihai hedefi,
- Açık ve Temel Bilgi sunmaktır. YZ teknolojisinin kullanım bağlamı, performansı, sınırlamaları ve güncellemeleri hakkında hem kullanıcılara hem de hastalara açık, erişilebilir ve bağlamsal olarak ilgili bilgilerin sunulması, güvenin sürdürülmesi için kritik öneme sahiptir.
Şekil 1: Klinik Araştırmalarda YZ Entegrasyon Döngüsü
İlgili dokümana linkten ulaşabilirsiniz.