Veriden ürün elde etmek : Sağlık sistemine bir Veri Bilimci eli değse..?

Geçen gün bir arkadaşım bir rahatsızlığının olduğunu ama nereye, hangi doktora gitmesi gerektiğini bilemediğinden bahsetti.
Doktora gitmeden önce uzunca bir süre internetten rahatsızlıkları ile ilgili aramalar yapıyor, bilgi topluyor ve hangi doktora gitmesi gerektiği konusunda bir fikir edinmeye çalışıyormuş.

Hemen aklıma “neden bir Chatbot yapmamışlar bunun için acaba ?” sorusu geldi.

Hasta ilk görüşmeyi bir chatbot ile yapar ve görüşme sırasında oluşturulan etkileşim ile hastanın nereye gitmesi gerektiği, ne yapması gerektiği belirlenir.
Görüşme sonrası hastanın yaptıracağı testler ve diğer teşhis yöntemleri belirlenir. Hastaya belli teşhis merkezlerinde bu teşhis mekanizmaları uygulanır. Bu uygulamanın sonuçları sisteme entegre edilir. Sonrasında sistem şikayetleri ve testleri birlikte analiz eder ve gerekli yönlendirmeler yapılır.

Eğer başka sorulması gerekenler var ise bir görüşme daha yapılır ve süreç devam eder.

Böylelikle hem hastaların akıl karışıklığı çözülür hemde sistemin gereksiz yerlerini meşgul etmesi önlenir hemde doktor görüşmeden önce yapılan bu çalışmalar sayesinde hasta ile karşılaşınca elindeki hazır veriler ile birlikte daha hızlı bir tedavi uygulayabilir.

Tabi günümüzde, sağlık alanında teşhis ve tedavi konularında çok detaylı yapay zeka çalışmaları var fakat onlar şimdilik konumuz dışı.

İlk görüşme

İlk görüşme hastanın başvurusu üzerine mesajlaşma yada sesli görüşme olarak chatbot tarafından yapılılr. Chatbot hastaya şikayetlerini sorar.

Chatbot şikayetleri aldıktan sonra bu şikayetler ile birlikte görülmesi yüksek olasılıklı olan diğer şikayetleri yada durumları sorgular.

- Merhaba, şikayetiniz nedir acaba?
- Başım ağrıyor!
- Başınızı bir yere çarptınız mı?(En yüksek olasılık için geri dönüş)
- Hayır
- Başka bir şikayetiniz var mı?
- Halsizim
- Burnunuz akıyor mu?(Baş ağrısı ve halsizlik için yüksek olasılıklı 5 sonuç döndü ve 1. Burun akıntısı)
- Evet
- Sizin için X hekiminden bir randevu almak istiyorum. Lütfen bir tarih ve saat seçin.

Peki Chatbot bu görüşmeyi nasıl yapabilir?

Ülkemiz hastahanelerine belli şikayetler ile başvurmuş hastaların şikayetleri, teşhisleri, test vs ve uygulanan tedavileri kayıt altına almak öncelikli olarak yeterli olacaktır.
Basit bir birliktelik analizi ile bu verileri analiz edebilir ve Chatbot un bu aşamada çalışması için gerekli bilgiyi üretebiliriz.

“Başım ağrıyor” şikeyeti ile yüksek oranda birlikte görünen şikayetler ve bu şikayetlere sebep olabilecek durumlar bulunur. Örnekte olduğu gibi baş ağrısı var ise bu duruma sebep olabilecek en olası durum bir kafa tranvası ise öncelik ile bu sorulur hastaya.

Bu ilk teşhis aşaması başarısız olur ise birlikte görülmesi olası diğer şikayetler hastaya sorulur.

“Burnunuz akıyor mu?”

Bu sorgulamalardan sonra elde edilen bilgiler bir sınıflandırma algoritmasına sokulur ve olası teşhis için bir tahmin yapılır. Hasta bu tahmine istinaden uzman bir hekime yönlendirilir.

Tabi her zaman süreç bu kadar kolay olmayabilir.

- Merhaba şikayetiniz nedir acaba?
- Miğdem ağrıyor!
- .
- .
- Sizden X merkesine gidip A,B,C testlerini yaptırmanızı istiyorum.

Hastanın şikayetleri ile bir teşhis konulması mümkün değil ise bu şikayetler için istenen testler arasından en yüksek olasılıkla istenen testler hasta için istenir.
Hasta bu testleri belli test merkezlerinde yaptırılır ve sonuçlar sisteme eklenir.

Bu süreç her zaman üzerinde durduğumuz, Veri Bilim çalışmalarının en önemli çıktılarından biri olan süreç analizi ve sonrasında verinin kalitesinin ve çeşitliliğinin arttırılması durumudur. Bu önemli çıktı Veri bilim sonucunda ortaya çıkan ürünün kalitesini arttıracağından ortaya sürekli kendini geliştiren bir döngü çıkmış olacaktır.

Artık elimizde daha zengin bir veri var. Hastanın şikayetleri ve test sonuçları ile artık daha isabetli bir teşhis yapabiliriz.

Mesela, en basitinden, elimizde bir karar ağacımız olsa idi bu karar ağacı vasıtası ile hastanın şikayetleri ve test sonuçları ile olması olası olan hastalıkları belirleyebilir ve sonrasında önem sırasına göre bu hastalıkları sıralayıp hangi doktora, hangi merkeze gitmesi gerektiğini bulabilirdik. Ya da yeni testler isteyebiliriz ya da bir tedavi önerebiliriz.

Peki eğer daha önce duyulmamış bir şikayet olsa idi ne olacaktı. Tabi ki chatbot bir çıkarsamada bulunamadığından bu şikayet ile ilgili hemen bir sağlık merkezine yönlendirme yapıp bu şikayeti kayıt altına alacaktı. Bilinmeyen şikayet sahibinin teşhis ve tedavi süreçlerini takip edip bu sonuçları edindikten sonra yeni bir şikayet olarak sisteme ekleyecekti. Yeniden karşılaşır ise bu şikayet ile doktorun kullandığı teşhis mekanizmalarını ve doktorun koyduğu teşhisi bildiğinden bir aksiyon alma şansı olabilecekti. Tabi burada bu öğrenmenin gerçekleştirilebilmesi kurallara bağlı olmalı. Mesela bu öğrenme için en az 10 vaka ile karşılaşılmış olmalı denilebilir.

Sürecimizi tekrar gözden geçirecek olursak;

Elimizde yıllardır insanlardan toplanan veriler var. Bu veriler insanların şikayetleri, bu şikayetler üzerine hastaya uygulanan testler, konulan teşhis ve uygulanan tedavilerdir.
Bu veriler için ön analiz süreçlerini gerçekleştirip veriyi analize hazır hale getiriyoruz. Sonrasında amacımıza uygun analiz yöntemlerini belirliyoruz. Biz bu durum için birliktelik analizi ve sınıflandırma yöntemlerini seçtik.

Tabi ki sürecin nasıl işleyeceğini de belirledik ve sonrasında bir öğrenme kuralı belirledik.

Artık elimizde bir ürün var ve bu ürün gerçek hayatta gerçek insanların gerçek sorunlarına gerçek çözümler üretebiliyor.

Ön projelendirme sürecini tamamladığımıza göre artık ürünün üretilmesi aşamasına geçebiliriz.

Önceki yazılardan da hatırlayacağınız üzere 4 kişilik bir ekip oluşturmuştuk. Bu ekibe şimdi bir de yazılım mühendisi ve bir tasarımcı eklemeliyiz.

Veri Analisti
İş Analisti
Raporlama Analisti
Veri Mühendisti
Yazılım Mühendisi
Tasarımcı

Bu projede yazılım mühendisi ve tasarımcı oluşturulan ürünün insanlarla etkileşecek arayüzünü hazırlamakla görevli olacaklar kuşkusuz. Çünkü bir ürünün en önemli kısmı kullanıcıları ile ne kadar doğru etkileşeceğidir. Bu etkileşim sorunsuz olmalı ki, sorun çözen burun amacına ulaşabilsin.

Comments are closed.