Yapay Zekâ Teknolojisinin Perinatal Dönem Bakımına Entegrasyonu ve Uygulama Örnekleri

Year 2022, , 1 - 11, 30.08.2022

Buse Hüban Karakaya , Asiye Sena Akyol , Yeliz Doğan Merih

https://doi.org/10.54537/tusebdergisi.1154089

Cited By: 1

Abstract

Yapay Zekâ (YZ) kavramı, insan gibi davranışlar sergileme, sayısal mantık yürütme, hareket, konuşma ve ses tanıma gibi birçok yeteneğe sahip yazılımsal ve donanımsal sistemler bütünüdür. YZ konusundaki gelişmeler, sağlık profesyonellerinin tanı, tedavi, bakım hizmetlerini daha verimli ve güvenli bir şekilde sunmalarına destek olmaktadır. Yirmi birinci yüzyılda robot teknolojisi ve yapay zekânın gelişmesi perinatal dönem uygulamalarını da etkilemektedir.
Perinatal dönemde YZ teknolojisi; gebelik, doğum ve doğum sonu dönemlerindeki sağlık ve hastalık kavramlarını kapsamaktadır. Perinatal dönemde oldukça sık kullanılan yapay zekâ teknolojisinin temel amaçları; anne ve fetüsün sağlığının geliştirilmesi, gebelik takiplerinin düzenli yapılması, prenatal tarama testlerinde maliyetin azaltılması olarak belirlenmektedir. Bu amaçları desteklemek için geliştirilen YZ teknolojileri; gebelikte riskli durumların taranması ve yönetimini, genetik tarama süreçlerini, uzaktan gebelik takibini, erken teşhis- tedavi uygulamalarını ve postpartum dönem takip süreçlerini kapsamaktadır.
Perinatal dönemde geliştirilen YZ teknolojilerinin etkin ve verimli olabilmesi için bu alandaki sağlık profesyonellerinin, teknolojilerin geliştirilmesi ve kullanımında aktif rol almaları önemlidir. Günümüzde bu alanda rol alan sağlık profesyonelleri, yapay zekâ teknolojilerinin hizmet sürecine entegrasyonunda kimi zaman zorluklarla karşı karşıya kalmaktadır.
Bu çalışmada, yapay zekâ teknolojisinin perinatal dönemde kullanımına, hizmet sürecinde yapay zekâ temelli uygulama örneklerine ve bu teknolojilerin kullanılması ile ortaya çıkabilecek etik sorunlara ilişkin güncel bilgilere yer vermek amaçlanmıştır.

Keywords

Perinatal dönem, yapay zekâ, teknoloji

Supporting Institution

Yok

Project Number

Yok

Examples Of Integration and Application Of Artificial Intelligence Technology In The Perinatal Period

Abstract

The concept of Artificial Intelligence (AI) is a set of software and hardware systems that have many capabilities, such as displaying human-like behavior, executing numerical logic, movement, speech, and voice recognition. Developments in AI support healthcare professionals to provide diagnosis, treatment and care services more efficiently and safely. The development of robot technology and artificial intelligence in the twenty-first century also affects the practice of the perinatal period.
Artificial Intelligence technology in the perinatal period covers the concepts of health and disease during pregnancy, childbirth and postpartum periods. The main goals of artificial intelligence technology, which is used quite often in the perinatal period, are determined as; improving the health of the mother and fetus, regular pregnancy follow-ups, reducing the cost of prenatal screening tests. AI technologies developed to support these goals; it covers the screening and management of risky situations in pregnancy, genetic screening processes, remote pregnancy monitoring, early diagnosis and treatment practices and postpartum period monitoring processes.
In order for AI technologies developed in the perinatal period to be effective and efficient, it is important that health professionals in this field take an active part in the development and use of technologies. Currently, health professionals involved in this field sometimes face difficulties in integrating AI technologies into the service process.
In this study, the use of AI technology in the perinatal period, in the service process artificial intelligence-based practice and ethical issues that may arise with the use of these technologies is intended to give you updated information.

Keywords

Perinatal period, artificial intelligence, technology

Project Number

Yok

References

• Arslan Özkan, H., Özbek, Ş. & Bursa AG. (2015). Küreselleşen sağlık ve kadın sağlığı hemşireliği. KASHED. 2(2): 46-57.
• Betts, K., Kisely, S.R., & Alati, R. (2019). Predicting common maternal postpartum complications: leveraging health administrative data and machine learning. BJOG: An International Journal of Obstetrics & Gynaecology, 126, 702 -709.
• Bini, S.A. (2018). Artificial intelligence, machine learning, deep learning, and cognitive computing: what do these terms mean and how will they impact health care. The Journal of Arthroplasty, 33:2358-2361.
• Booth, J. (1977). A short history of blood pressure measurement. Proc R Soc Med., 70 (11):793-9.
• Cirban Ekrem, E. & Daşıkan, Z. (2021). Perinatal dönemde yapay zekâ teknolojisinin kullanımı . Eurasian Journal of Health Technology Assessment. 5 (2) , 147-162 . DOI: 10.52148/ehta.98056
• Claudon, M. (2013). Ultrasound in clinical diagnosis: From pioneering developments in lund to global application in medicine. Ultrasound in Medicine and Biology, 39, 932.
• Clipper, B, Batcheller, J. & Thomaz, A.L (2018). Artificial intelligence and robotics: a nurse leader’s primer. Nurse Leader. 16:379-384.
• Coiera, E.(1997). Guide to medical informatics, the Internet and telemedicine. Chapman& Hall, Ltd.
• Çöl, M. (2021). Halk sağlığında yapay zekanın kullanımı. Uludağ Tıp Derg. 47(1): 151-158.
• Davidson, L. & Boland, M.R. (2021). Towards deep phenotyping pregnancy: a systematic review on artificial intelligence and machine learning methods to improve pregnancy outcomes. Briefings in Bioinformatics, 22(5), 1-29.
• Delanerolle, G., Yang, X., Shetty, S., Raymont, V., Shetty, A., Phiri, P., et al. (2021). Artificial intelligence: a rapid case for advancement in the personalization of gynaecology/obstetric and mental health care. Women’s Health. 17, 1-20. doi: 10.1177/17455065211018111 .
• Dilsizian, S.E. & Siegel, E.L. (2014). Artificial intelligence in medicine and cardiac imaging: arnessing big data and advanced computing to provide personalized medical diagnosis and treatment. Current Cardiology Reports, 16:441-449.
• Dogan Merıh, Y. & Akdogan, E. (2021). Artificial ıntelligence in nursing. 4th International Eurasian Conference on Biological and Chemical Sciences (EurasianBioChem 2021), 1, 945-955.
• Doğan Merih, Y. (2018). İnovatif hemşirelerin yol haritası. Çapa-İstanbul: Nobel Tıp Kitabevleri. s. 10-25.
• 1Doğan Merih, Y. (2021), Kadın sağlığı ve hastalıkları, Bölüm adı:(Kadın sağlığında teknoloji ve inovasyon) Ankara: Nobel Tıp Kitabevleri, s. 743.
• Drukker, L, Noble, J.A. & Papageorghiou, A.T. (2020). Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 56(4):498-505. doi: 10.1002/uog.22122.
• Emin, E.I., Emin, E., Papalois, A., Willmott, F., Clarke, S. & Sideris, M. (2019). Artificial intelligence in obstetrics and gynaecology: ıs this the way forward? In vivo. 33, 1547-1551. doi: 10.21873/invivo.11635.
• Esinler, İ. & Yaralı, H. (2006).Yapay Zekâ ile ICSI uygulamalarında gebeliklerin tahmin edilmesi. Uzmanlık Sonrası Eğitim ve Güncel Gelişmeler Dergisi, 3, 176-180.
• Eşkin Bacaksız, F., Yılmaz, M., Ezizi, K. & Alan, H. (2020). Sağlık hizmetlerinde robotları yönetmek. Sağlık ve Hemşirelik Yönetimi Dergisi, 3 (7); 458-465.
• Güvercin, C.H. (2020). Tıpta yapay zeka ve etik. (Ed: Ekmekci, P.E.). Yapay zeka ve tıp etiği. 1. Baskı. Ankara: Türkiye Klinikleri, 7-13.
• Joseph, M.L., Huber, D.L., Bair, H., Moorhead, S. & Hanrahan, K. (2019). A Typology of innovations in nursing. J Nurs Adm, 49(7-8):389-95.
• Kalan, S., Chauhan, S. & Coelho, R.F. (2010). History of robotic surgery. J Robotic Surg. 4, 141–147. https://doi.org/10.1007/s11701-010-0202-2.
• Kartal, Y.A. & Yazıcı, S. (2017). Health technologies and reflections in nursing practices. International Journal. 10(3): 1733.
• Kaul, V., Enslin, S. & Gross, S.A. (2020). History of artificial intelligence in medicine. Gastrointest Endosc. 92(4):807-812.
• Kırılmaz, H. & Kılıç Kırılmaz, S. (2014). Sağlık hizmetlerinde etik ikilemde ampirik etik çalışmalarının yararları. İnsan & İnsan, 1; 35-44.
• Lagadec, N., Steinecker, M., Kapasi, A., Magnier, A.M., Chastang, J., Robert, S., Gauaou, N. & Ibanez, G. (2018). Factors influencing the quality of life of pregnant women: a systematic review. BMC Pregnancy and Childbirth, 18;455-469.
• Lee, C.S., Nagy, P.G. & Weaver, S.J., (2013). Cognitive and system factors contributing to diagnostic errors in radiology. American Journal of Roentgenology, 201:611-617.
• Limon S. (2019). Hastanelerdeki tıbbi dokümanların geleneksel ortamdan elektronik ortama dönüşümü. Uygulamalı Sosyal Bilimler ve Güzel Sanatlar Dergisi,1(1):30-39.
• Lin, P., Abney, K. & Bekey, G. (2011). Robot ethics: Mapping the issues for a mechanized world. Artificial Intelligence, 175(5)6: 942.
• Lu, F.S., Hattab, M.W., Clemente, C.L., Biggerstaff, M. & Santillana, M.. (2019). Improved state-level influenza nowcasting in the United States leveraging Internet-based data and network approaches. Nat Commun.10(1):147.
• Pazar, B., Taştan, S. & İyigün, E.(2015).Tele Sağlık Sisteminde Hemşirenin Rolü. Bakırköy Tıp Dergisi, 11(1), 1 - 4.
• Pluym, I.D., Afshar, Y., Holliman, K., Kwan, L., Bolagani, A., Mok, T., Silver, B., Ramirez, E., Han, C.S. & Platt, L.D. (2021). Accuracy of automated three-dimensional ultrasound imaging technique for fetal head biometry. Ultrasound Obstet Gynecol. 57(5):798-803. doi: 10.1002/uog.22171.
• Ramakrishnan, R., Rao, S. & He, J.R. (2021). Perinatal health predictors using artificial intelligence: A review. Women’s Health. doi.10.1177/17455065211046132
• Robert, N. (2019). How artificial intelligence is changing nursing. Nursing Management, 50(9): 30–39.
• Sone, K., Toyohara, Y., Taguchi, A., Miyamoto, Y., Tanikawa, M., Uchino-Mori, M., Iriyama, T., Tsuruga, T. & Osuga, Y. (2021). Application of artificial intelligence in gynecologic malignancies: A review. J Obstet Gynaecol Res. 47(8):2577-2585. doi: 10.1111/jog.14818.
• Sucu, İ. & Ataman, E. (2020). Dijital evrenin yeni dünyası olarak yapay zeka ve her filmi üzerine bir çalışma. Yeni Medya Elektronik Dergi, 4 (1); 40-52.
• Şendir, M., Şimşekoğlu, N., Kaya, A. & Sümer, K. (2019). Geleceğin teknolojisinde hemşirelik. Sağlık Bilimleri Üniversitesi Hemşirelik Dergisi, 1 (3); 209-214.
• Şengün, H. (2016). Sağlık hizmetleri sunumunda inovasyon. Med Bull Haseki, 54:194-8.
• Topakkaya, A. & Eyibaş, Y. (2019). Yapay zeka ve etik ilişkisi. Felsefe Dünyası Dergisi, 70; 81-99.
• Wang, S., Pathak, J., & Zhang, Y. (2019). Using electronic health records and machine learning to predict postpartum depression. Studies in health technology and informatics, 264, 888–892. Doi. 10.3233/SHTI190351