Özet:

Dijital-Grafik-Görsel tabanlı soyağaçları faklı amaçlar için de olsa son 20 yılda oldukça ileri sayılabilecek bir yere gelmiştir. Genetik risk yoğunlaşmasını önceleyen soyağaçları da geliştirilmiştir. Günümüzde görülme sıklığı ve/veya mortalitesi (5 yıllık sağ kalım oranları bakımından) yüksek olan meme, mide, kolon, prostat gibi kanserlerde ve bu kanserlerin yanı sıra bireyleri ve toplumları etkileme gücü bakımından önde gelen kalp krizi, şeker hastalığı, yüksek tansiyon ve inme gibi şüphe, bulgu ya da tanı taşıyan vakalarda hekimler derhal birinci veya ikinci derece akrabalarında benzer bir sağlık öyküsünün olup olmadığını araştırmaktadır. Bireyin Soyağacında benzer bir öykü varsa, bu durumda hem genetik RF matematiksel bir formül ile hesaplanabilmekte, hem de ilişkili olabilecek başka hastalık türleri açısından da hesaplanabilir risk verileri elde edilmektedir. Hasta gerek kesin teşhis ve gerekse de tedavi yöntemi bakımından DNA analizine yönlendirilmekle birlikte, mutasyon saptanan gen olursa bu aynı zamanda soyağacındaki diğer kişiler için de risk faktörü hesaplamayı elverişli kılabilmektedir. Ancak bulunan mutasyonlar aynı soyağacındaki diğer bireyler bakımından da kıymetli veriler içermektedir. Dünya Sağlık Örgütüne göre pek çok hastalık türlerinde, RF oluşturan başta genetik olmak üzere; çevre, demografik, fizyolojik ve davranışsal koşullar bilinmektedir. Her hastalık için yapay zekâ veya makine öğrenmesi gibi yöntemlerle elde edilen veriler toplam RF hesabında frekansı, derecesi ve şiddeti gibi genel kabul görmüş metrikler bir medikal soyağacı üzerine işlenebilir ve risk faktörü otomatik olarak hesaplanabilir. Esas amaç e-Nabız gibi sitemlerde zaten var olan tanı ve teşhislere dair uluslararası hastalık kodları, raporlar, kullanılan ilaçlar ve tahliller gibi verilerin RF formalarına otomatik olarak yansıtılmasıdır. Bireylerden alınacak diğer veriler ise tanı-teşhis-tedavi evrelerinde önemli bir karar desteği sağlayacaktır. Başlarda akademik çalışmalara elde edilen bulgular ilk girdiyi oluştursa da sistem geri beslemelerle kesine yakın veriler üretecek ve risk değerlendirme formlarındaki her katsayı yüksek kesinlikte hesap yapılmasını sağlayacaktır. Bu sistemdeki en önemli çıktılardan biri ise RF hesabı yapılan bir bireyin aynı veri tabanı üzerinde bulunan kan bağlıları tarafından da karşılıklı olarak kullanılarak genetik değerlendirmenin de RF hesabına eklenmesidir. Yani birey için ilk RF hesabında kan bağlarından yararlanılırken bu defa da hesaplanan risklerin kan bağlıları için yeniden kullanılabilir olmasıdır. Sistem ego-centric ve crowd-sourcing olarak adlandırılan yöntemlerle çok çabuk bir şekilde ve limitsiz büyüme özelliğine sahiptir. Bu kadar verinin birlikte anlamlı ilişkiler kurularak yapılandırılması, değerlendirilmesi ve hesaplar yapılması teorik olarak bir limit içermektedir. Ancak Google, IBM, Amazon ve D-Wave gibi firmalar tarafından kuantum bilgisayarları kullanıma sokulmuştur ve bulut üzerinden kullanıma hazırdır. Dolayısı ile yüksek hacimli bu veriler kuantum bilgisayarları ile yapay zekâ sistemlerinin ortaklaşa çalışması sonucu insanlığın hizmetine sunulabilecektir.

Anahtar Kelimeler: