Sağlık Verisiyle AI Çalışırken Yerel Altyapılara İhtiyaç Var

3 dakika okuma süresi.
51

İstanbul Sağlık ve Teknoloji Üniversitesi (İSTÜN) Öğretim Üyesi Dr. Erdal Kemikli

“Üniversitede yapay zekâ kullanılmaması artık mümkün değil. İstanbul Sağlık ve Teknoloji Üniversitesi’nde Yazılım Mühendisliği Bölümü’nde öğretim üyesiyim. Öğrencilerin yaptığı projelerde mutlaka yapay zekâ veya büyük dil modeli komponenti bulunuyor. Akademisyenler olarak biz de bunu teşvik ediyoruz. Bir yazılım projesinde AI veya machine learning tarafında neler yapılabileceğine bakıyoruz. Dolayısıyla öğrenciler ve akademisyenler arasında kullanım oldukça yoğun.

Akademide şirketlerden farklı bir yapı var. Daha fazla özgürlük ve esneklik söz konusu. Her akademisyen ve öğrenci kendi çalışma alanında ilerliyor. Yapay zekâya yoğun biçimde odaklanan akademisyenler var ve öğrencilerin araştırmaları da buna paralel gelişiyor. Üniversitenin kurumsal yapısına baktığımızda ise henüz aynı yoğunlukta bir kullanım olduğunu söyleyemem. Ancak kurumsal olarak da bu konunun artık belirli bir yöne doğru gideceğinin farkındayız ve rektörümüzün liderliğinde yapay zekanın eğitimin her alanında nasıl yer alacağını belirlemek için çalışıyoruz

GPU-as-a-Service tarafında öğrencilerimiz ve akademisyenlerimiz ağırlıklı olarak hyperscaler’ların sunduğu hizmetlerden yararlanıyor. Üniversitede kendi GPU servisimiz yok; ihtiyaç duyulan AI ve GPU servisleri public Cloud üzerinden alınıyor. Bunun sağladığı hız ve avantaj oldukça net.

Ancak bizim açımızdan önemli bir konu daha var: veri güvenliği. İstanbul Sağlık ve Teknoloji Üniversitesi’nin tıp ve eczacılık tarafının yanında yazılım, bilgisayar ve elektronik gibi mühendislik alanları da bulunuyor. Dolayısıyla yürütülen birçok araştırma projesi tıbbi konuları ve tıbbi verileri içeriyor. Bu tür verilerle public Cloud’a çıkmak ise ciddi bir problem oluşturabiliyor. Sağlık verileri KVKK açısından da özel bir şekilde ele alınıyor.

Bu nedenle özellikle sağlık gibi hassas verilerle çalışan araştırmacılara yerel olarak ciddi olanaklar sunulması gerektiğini düşünüyorum. Şu anda araştırmacılar veri maskeleme ve modelleri kendi sunucularında çalıştırma gibi çözümleri geliştirerek ilerlemeye çalışıyor. Ancak etik kurul onayları gibi süreçler de var; tıbbi veriyle istediğiniz şekilde hareket edemiyorsunuz ve süreçler giderek daha kontrollü hale geliyor.

GPU-as-a-Service şirketlere nasıl hız ve rekabet avantajı sağlıyorsa, akademide de benzer bir avantaj yaratıyor. Fakat özellikle sağlık gibi regülasyonun güçlü olduğu alanlarda bu altyapının nerede ve nasıl sunulduğu çok önemli. Verinin güvenliğinin sağlanması ve regülasyonlara uygun hareket edilmesi kritik. Dolayısıyla hem GPU kaynaklarına hızlı erişim sağlayabilecek hem de hassas verilerin güvenliğini ve regülasyon gerekliliklerini karşılayabilecek yerel hizmetlere ihtiyaç olduğunu düşünüyorum.”