Yapay Zekanın en gelişmiş şekli olan Sinir ağlarının (neural networks) Tıp dünyasına katabilecekleri nelerdir merak ediyorsanız ilgili detayları hazırladığım sunumda bulabilirsiniz. Bu sunum "Hizmet Yönetimi ve Yenilik"yüksek lisans dersim için Nao Maedo tarafından 2014 yılında hazırlanmış "Mind Over Matter: A case for Artificial Intelligence" adlı makalesi baz alınarak hazırlanmıştır.

1. Mind Over Matter:
A case for Artificial Intelligence
Zeynep Belya Akoğuz

2. “Yapay Zeka”

3. Yapay Zeka Nedir?
Yapay zekâ, bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli
faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyeti.
İngilizce “artificial intelligence” kavramının akronimi olan AI sözcüğü de bilişimde
sıklıkla kullanılır.
Yapay zekâ çalışmaları genellikle insanın düşünme yöntemlerini analiz ederek bunların
benzeri yapay yönergeleri geliştirmeye yöneliktir.
Wikipedia: https://tr.wikipedia.org/wiki/Yapay_zek%C3%A2

4. 1950’ler

5. Tarihçe
“Yapay Zeka” terimi 1956 yılında bu alanda öncü olan bir grup araştırmacı tarafından
konferans sırasında bulunmuştur. Makineler ile insan yeteneklerinin taklit edilmesi
üzerine çalışmışlardır.
Marvin Minsky
Bilim Adamı, Yazar,
Massachusetts Institute of
Technology'nin AI
laboratuvarının kurucu
ortağı
John McCarthy
Bilgisayar Bilimcisi, Bilişsel
Bilim Adamı
Herbert Simon
Siyaset Bilimcisi, Ekonomist,
Sosyolog, Psikolog ve
Bilgisayar Bilimcisi
Alan Newell
Bilgisayar Bilimi ve Bilişsel
Psikoloji Araştırmacısı

6. Yapay Zekanın Alt Başlıkları
Yapay Zeka esas olarak 3 alanda gelişmiştir:
1. Uzman Sistemler (5. nesil bilgi işlem)
2. Bulanık Mantık (5. ve 6. nesil arasında bilgi işlem)
3. Sinir Ağları (6. nesil bilgi işlem)

7. Uzman Sistemler, Bulanık Mantık
Uzman sistemler, istatistiksel teknikler temelinde uzmanların kalitesinde tavsiyeler,
teşhisler ve öneriler sağlar. Yalnız cevabın ölçülebilir ve tek gollü olması gerekir.
Bulanık mantık, bir sistemin gerçek dünya değişkenlerini hesaba katmasını ve
istatistiksel teknikler kullanarak karar vermesini sağlar.
Sistem, ortamda bir şeyler değiştiğinde, programcı tarafından tanımlanmamış
çevrelerde işlev göremeyecek şekilde, çoklu amaçlar ve trad-off'lar sağlar, ancak uzman
sistemler gibi kullanıcı tarafından güncellenmelidir.

8. “Dolayısıyla bu sistemler basit hedefler ve iyi
tanımlanmış veri ve kurallarla basit sorunlar
alanında kalmaya mecburdur.”

9. Yapay Zeka’nın En Gelişmiş Şekli:
Sinir Ağları
(Neural Networks)
Beynin sinirsel yapısına dayanan bir elektronik model

10. Sinir Ağları
Sadece karmaşık mantık kullanmazlar, aynı zamanda deneyim yoluyla öğrenirler,
kalıpları ezberlerler ve verileri mevcut bilgisayar sistemlerinden çok daha etkili bir
biçimde analiz ederler.
Bir çok araştırma tıp alanında teşhis ve tedavi amacıyla kullanılabilecek aletler
alanında yapılmaktadır.
Kan örneği ya da tıbbi profiller ile hastalık teşhisi yapabilen sistemler ortaya çıkmaya
başladı. Henüz ticarileştirmek için güvenilir olmasa da büyük bir potansiyele sahip.
Bir çok yeni ürün ve servis için olduğu kadar diğer sektörler için de ciddi bir
potansiyel.

11. “Hastaların kendi durumlarını herhangi bir tıp alanında
uzmanlara gerek duymadan teşhis edebilecekleri
ekipmanlar geliştirmek”
Ana Hedef:

12. Örnekler : Yapay Zekadaki Gelişmelerin sektördeki etkileri
★ Sigorta Firması
★ Amerika, Japonya
★ Verimlilik (+)
Erken Teşhis (+)
Cihaz Maliyeti (-)
★ İnternet erişim sağlayıcısı
★ 35 milyon abone
★ Yeni Online Servisler
Yeni Ortaklıklar
Gelir (+)
Müşteri Tabanı (+)
★ Hastane Grubu
★ Laboratuvara Örnek
Göndermeye Gerek
Kalmadan Hastalık Teşhisi
(+)
Laboratuvar Test
Giderleri (-)

13. Mevcut Kullanım Alanları
Finans Sektörü
Kredi kartı dolandırıcılıklarını tespit edebilmek için neural network’ün basit bir
versiyonu kullanılmakta. Bu teknolojiyi kullanan bankalarda dolandırıcılık oranları
%70 oranında azaltıldı.
Kredi onay işlemlerinde de yaygın bir şekilde kullanılmakta. Potansiyel müşterilerden
gelen veriler, geçmiş kararlardan alınan verileri kullanarak eğitilen sinir ağları
tarafından işlenir.

14. Patentler
Yapay sinir ağları için patentli donanım çözümleri ile ilgili herhangi bir düzenleme
bulunmamaktadır.
İşlevsel bir çözüm varsa, mucit muhtemelen tasarımı patentlemek isteyecektir.
Tasarımın arkasındaki kavramın, yani tüm algoritmanın patentlenmesi zordur. Çakışan
araştırma olabilir ve diğer gruplar patent başvurusuna itiraz edebilirler.
Yenilikçiler, sorunun donanımsal çözümünü patente aldıklarından emin olmalıdır.
Bu patentin elde edilmesi daha kolay olacaktır, çünkü donanım yapıları çok spesifiktir
ve patent sürecini daha hızlı geçirecektir.

15. Potansiyel Ürünler
Yapay zekada gerçekleşen gelişmeler Sinir ağlarını çipin içine dahil edebilen donanım
tabanlı sistemlerin gerçekleşmesine izin verecektir.
Örnek:
Tıbbi Ekipmanlar - sadece kan örneği, tıbbi geçmiş veya diğer kaynaklardan (dış
kaynaklar, data girişi vs.) alınan datalar ile hastalık teşhisi yapılmasının sağlanabilmesi.

16. Geleneksel Hastalık Teşhis Yöntemi
Hastalıkların teşhisinde geleneksel yöntemler nispeten uzun bir zaman alır.
1. Hasta doktora gider.
2. Eğer hastalık doktorun alanı dışında ise hasta uzmana yönlendirilir.
3. Genellikle uzman ile olan randevu ilk ziyaretten bir kaç gün sonradır.
Hastaneye giriş zamanından doktoru görene kadar uzun bir zaman geçer.

17. GBC Organisation Araştırma Sonucu
Analiz sonucuna göre, bir hasta klinikte ortalama 138 dakikanın 115’ini beklerken
harcıyor. Bu da toplam sürenin %83’üne tekabül ediyor.

18. Anlık test, tıbbi kurumların hastalar için bekleme
sürelerini azaltmasına yardımcı olur.

19. Avantajlar
Bazı basit girdilerle makine ilk teşhisi yapabilecektir.
Bir hemşire tarafından tedavi edilebilir, böylece hasta gerekmedikçe bir doktora
görünmeyebilir. Doktorlar, acil tedavi gerektiren hastaları görmek zorunda
kalacaklardır.
Makine hastayı gerektiğinde uygun uzmana yönlendirecek ve ayrıca ön verileri
doğrudan uzmana iletebilecektir.
Böyle bir inovasyon;
- Sigorta sektöründeki giderleri oldukça düşürecektir.
- İlk teşhis giderleri elenecektir.

20. Teknolojik Ekipmanlar Evlerde
Teknoloji geliştikçe, ekipmanlar çok daha ucuza elde edilebilir olmaktadır. Bu da tıp
kurumlarından sonra evlere de bu teknolojinin ulaşmasını sağlayabilir.
1. Evde cihaz aracılığı ile basit bir test yapılır.
2. Cihaz datayı hastaneye gönderir.
3. Çevrim içi randevu alınmasına izin verir.
4. Eğer hasta kritik bir durumda ise, dedektör acil durum çağrısı yapar.
Telekomünikasyon sektörü, özellikle internet sağlayıcılar da inovatif tıbbi
teknolojilerin ortaya çıkmasında sorumlu olabilir.
ör: America Online, MSN - müşteri tabanını geliştirebilir ve yeni servisler sunmaya
başlayabilir.

21. Segmentasyon
Ürün farklı segmentlere farklı fazlarda pazarlanacaktır.
FAZ 1 - Sağlık Kurumları (Hastaneler, Klinikler vs.)
FAZ 2 - Ev Halkı

22. Faz 1
★ Faz 1’de, tasarım ve imalatın başlangıç maliyeti nedeniyle ürün çok pahalı
olacaktır.
★ Sağlık kurumlarına pazarlanacaktır.
★ Yıllık sağlık harcamalarına ve GDP endeks oranına göre ülkelerin %5’i
yenilikçiler olacaktır.

23. ANN TIBBİ
EKİPMANIN ÜLKELER
ARASINDA YAYILMASI
FAZ 1

24. Faz 2
2001 yılında ulusal istatistik dairesi tarafından yapılan bir anket, 35 yaşın altındaki
kişilerin sağlık ürünlerine en az ilgiyi gösterdiklerini ve en düşük sağlık
harcamasına sahip olduklarını gösterdi.
Bu nedenle, ürünün, sağlıkla ilgilenen ve harcanabilir geliri olan küçük çocuklu
yaşlılar veya yaşlılar tarafından yaygın şekilde kabul edileceği varsayılabilir.
Bu varsayıma dayanarak, 2. aşama 35 yaş üstü internet kullanıcıları olacaktır.
Bu düzeydeki gelişmeler sadece sanayileşmiş ülkelerde sağlandığından, ülkeler
toplam nüfusta GSYİH endeksi, sağlık harcamaları ve 35 yaş ve üzeri internet
kullanıcısı göz önüne alınarak seçilmiştir.

25. ANN TIBBİ
EKİPMANIN ÜLKELER
ARASINDA YAYILMASI
FAZ 2

26. Ortalama bir senaryoyla ürünün kalkış ve tepe noktasına ulaşması yaklaşık 20 yıl alır
ve ardından yavaş yavaş 50 yıl boyunca doymuşluğa ulaşır.

27. Doygunluğa ulaşan faz 1 ile çakışacağı tahmin ediliyor. Ortalama senaryoda zirve
yapmak için yaklaşık 20 yıl, doymuş olmak içinse 40 yıl sürer.

28. Fiyatlandırma

29. Sektör Analizi - Giriş Tehdidi
Giriş engelleri üç temel faktörden ötürü yüksektir:
1. Teorik yapı ve pratik donanım uygulama yapıları patentli olduğundan, yeni
girenlerin maliyet dezavantajı olacaktır.
2. Kazanılan geniş Müşteri sadakati ile market lideri kalınması
3. Yatırım ve ARGE maliyetlerinden dolayı Giriş maliyetinin yüksekliği yeni
pazara girecekleri için zor olacaktır.

30. İlk Yatırım
Bu sektördeki yenilikçilerin karşı karşıya olduğu en büyük zorluklardan biri,
başlangıç yatırım kaynakları arayışıdır.
Ticari başvurular ortaya çıkmadan önce daha fazla araştırma yapılması
gerektiğinden, bu alana girmek isteyen bir şirket araştırma, geliştirme ve ilk imalat
üzerine önemli miktarda para harcamak zorunda kalacaktır.
Bununla birlikte, yenilikler mevcut ürünler kadar hızlı bir şekilde gelir elde etmeye
meyilli olmadığından, kısa vadeli yatırımcılar bu tür bir projeyle ilgilenmezler
çünkü anında geri dönüş alamazlar.
Dahası, yapay zeka teknolojisi çok karmaşıktır ve yüksek riskli bir yatırım olduğu
kanıtlanmamıştır ve uzun vadede taahhüt etmek isteyenleri de itmektedir.

31. Faz 1’den Faz 2’ye Geçiş
Bir şirketin yüz yüze gelebileceği bir başka zorluk, işi faz 1'den faz 2'ye kaydırma
zamanlamasını doğru yapabilmektir.
Faz 2 çok erken girerse, yüksek fiyatlı ürünlerle yakalanacak olan hastane segmenti
daha düşük nakit akışında faz 2 segmentine geçecektir.
Faz 1 çok uzun sürerse, rakip şirketler tek tek aileleri hedef almaya ve pazar payını
yakalamaya başlayabilir.
Başka bir deyişle, şirketlerin, ürünlerini bireysel hane halklarına pazarlamaya ne
zaman vereceği stratejik olarak karar vermeleri gereken bir konu.

32. Referanslar
[1] Maeda, Nao (2014) “Mind Over Matter : A case for Artificial Intelligence”,
INSEAD
The Business School for the World, University of California at San Diego.
[2] https://tr.wikipedia.org/wiki/Yapay_zek%C3%A2