günlük yaşantılarımıza girmiş durumda. Gerekli bilinç düzeyine ulaşmadan, bu tekno- lojileri inanılmaz bir hızda tüketmeye başlıyoruz. Suistimallere açık bir alan olmasından dolayı da birçok insan bu mecralardan zarar görmüş veya görmektedir. Bu durum da di- jital ortama olan güveni zedelemekte ve bir genellemeye sebep olmaktadır. Belki burada en büyük sorumluluk teknoloji üreten ve geliştiren bilişim alanı çalışanlarına düşmekte- dir. Eğitim, yönlendirme, bilinç düzeyi arttırma konularında inisiyatif alma ve daha fazla çalışmamız gerekiyor.
Teknoloji üreten değil tüketen bir ülke olmamız da gelecekte daha zor ve büyük sorun- larla karşılaşmamıza neden olacaktır. Kullandığımız birçok ürünün arka planda nelere sebep olduğunu, neler çalıştırdığını bilemiyoruz. Bu da önümüzde duran ciddi sorun- lardan biridir. Bilişim dünyasının buna ürettiği çözümler yok mu? Var elbette, açık kay- nak kodlu özgür yazılımlar ürünler donanımlar kullanılmasını desteklemeli ve teşvik etmeliyiz. Ülke politikası haline getirmemiz gereken acil bir konudur. Hepimize büyük sorumluluklar düştüğüne inanıyorum bir an önce özgür yazılımlara geçiş sürecimizi hızlandırmamız gerekmektedir.
Sağlık Bakanlığında uzun süre görev aldığımı belirtmiştim. Bu süre boyunca gördüğüm herhangi bir veri sızdırma veya verinin uygunsuz hasta mahremiyetini hiçe sayarak her- hangi bir paylaşım yapıldığına rastlamadım. Kişisel verilere erişim, orada çalışan her- hangi bir kullanıcıya açık olma durumuna rastlamadım. Belli bir yetkilendirme meka- nizması ile kişi, kendi verilerini, hekimiyle ve birinci derece akrabalarıyla bu verileri paylaşması mümkün. Bu gerekli bir durum mudur tartışılabilir ve özellikle riskler üze- rinden değerlendirmeler yapılabilir. Kongre boyunca şöyle bir algı fark ediliyor. Herkes bu verilere erişebiliyor, herkes istediği veriyi alabiliyor. Hayır, gerçekten böyle bir du- rum söz konusu değil. Bir dönem içerisinde bulunduğum, Sağlık Bakanlığı’nın topladığı veri için bunu rahatlıkla söyleyebilirim. Fakat SGK için, orada bulunmadığımdan dolayı bir şey diyemeyeceğim. Sağlık Bakanlığı’nda bulunduğum süre boyunca sistem güven- lik önlemleri alınıyor, sızma testleri belli periyotlar ile yapılıyordu. Birçok kuruma göre daha iyi önlemlerin olduğunu söyleyebilirim. Fakat sahadaki uygulamalarda risk çok daha fazladır. Sahada birçok hastanede birçok firma ve yazılım sistemi var ve bunla- rın yeterince denetlendiğini düşünmüyorum. Bu durum büyük bir risk içeriyor. Bir an önce önlem alınması gereken alanlardan biri burasıdır. Maalesef ki denetimden oldukça uzaklar. Bir kere akreditasyon aldıktan sonra ki buda çok zor değil, bir daha kontrol edil- diklerini sanmıyorum. Sık sık denetlenmesi gereken bir alan. Son olarak kişisel önerim, sistemler ve kurumlar ne kadar güvenilir olursa olsun verilerin kişi ile bağlantısı muhak- kak koparılmalı ve anonimleştirilmelidir, sistemler bunu destekleyecek mekanizmalar ile tasarlanmalıdır.
Büyük veri kavramına gelecek olursak; Tesla’nın 1926 yılında ‘Gelecekte insanlar cep- lerine sığacak bir cihazla uçsuz bucaksız miktarda veriye ulaşabilecek ve analiz edebi- leceklerdir.’ öngörüsü aslında geçmişten günümüze ihtiyaçlar doğrultusunda, teknolo- jinin ilerleyiş hızı hakkında ne kadar haklı olduğunu göstermektedir. Günümüzde de,
dijital ortamda saklanabilen verinin çeşitliliği ve boyutu hızlanarak artmaktadır. Gelişen teknolojiyle bu verileri analiz etme imkânımız da arttı. Artık verinin bilgiye dönüşme ihtiyacı doğdu. Bu ihtiyaçlar doğrultusunda hayatımıza yeni kavramlar dâhil oldu. Bü- yük veri kavramını da bunun doğal sonucu olarak düşünebiliriz. Birçok sektörde farklı ihtiyaçlar için birçok veri türü toplanmaktadır. Henüz bunların çok küçük kısmı analiz edilebilmiş durumdadır. Bu veriler gerçekten çok değerli verilerdir. Belki de bu verilerin en değerli olanı da sağlık alanında toplanan verilerdir. Tüm kayıt altına alınan verilerin, yeni yüzyılın hazinesi durumunda olduğu açıktır. Bugün farklı konumlarda, kurumlarda olsalar bile verinin elde edilmesi için büyük mücadeleler veriliyor. Adeta bir veri savaşı durumu söz konusu diyebiliriz. Toplum yararını gözeterek incelememiz, analiz etmemiz gereken o kadar veri var ki bazı problemleri biran önce çözüp bu adıma geçmemiz ge- rekmektedir.
Büyük veri kavramını biraz daha açalım; genel kanı, verinin hacminin büyük olması ola- rak değerlendiriliyor. Fakat tam olarak bu yeterli olmamaktadır. Kabul görmüş beş temel özellik olarak; çeşitlilik, hız, veri büyüklüğü, doğrulama, değeri sayabiliriz.
Çeşitlilik; bugün genel olarak sağlık verisi üzerinden konuştum. Sağlık Bakanlığı’nın top- ladığı veriden bahsettim. Örneğe, analiz etmek istediğimiz, sağlık sektörü olarak devam edelim. Gerçekten hacimsel olarak çok büyük, ülkemizde en çok verisi olan kurumlar arasında ilk sıralarda gelebilir. Fakat tek başına sağlık verisi ile yeterli ve anlamlı bir ana- liz gerçekleştirebilir miyiz? Hayır; çevre faktörleri, beslenme alışkanlıkları, sosyal yaşan- tı, ekonomik durum daha sayabileceğimiz birçok faktör ile bu veriler anlam kazanarak, analizler ortaya çıkarmaktadır. Bu verileri bir araya getirebilirsek çeşitliliği sağlayabiliriz. Hız; sürekli akan bir verimiz olması gerekmektedir. Bazı sistemler belki her saniye veri üretirken bazılarında bu aralık dakika, saat olabilir. Fakat süresi ne olursa olsun, durma- dan bir veri akışının olması gerekmektedir. GSM operatörleri belki de bu noktada en çok veri üreten sistemlerin başında gelmektedir. Telefon sinyallerinin tamamını kayıt altına almaktadırlar. Büyük uluslararası e-ticaret siteleri veya sosyal paylaşım sayfaları da bu konuya örnek verilebilir.
Veri Büyüklüğü; büyük veri, doğrudan veri büyüklüğünün tam net bir ölçüsü ile iliş- kili olmasa da, analizlerin yapılabilmesi için belli bir boyuta ulaşması gerekmektedir. Durumların farklılaşmasına göre verinin boyutu gigabayt, terabayt seviyelerinde ifade edilebilir.
Doğrulama; verileri analiz etmeye başlamadan önce bu veriyi bazı kurallara tabi tutmayı unutmamak gerekir. Ulaştığımız her veriyi doğru olarak kabul edemeyiz. Özellikle son dönemler internet ortamında ulaşabildiğimiz devasa verinin kesinlikle doğrulanmaya ihtiyacı olduğunu hepimiz görmekteyiz. Buradaki doğrulamadan kastettiğim; verinin temizlenmesi, güvenilir hale getirilmesi, belli kurallara uyarlanmasıdır. Her bilginin doğru olmadığı açıktır. Bu konuda kontrollü olmakta fayda vardır.
Değer; veriyi analiz ettik, bazı sonuçlar çıkardık. Bunun bize artı olarak bir katkısının olması gerekir. Önemli olan o verinin analiz edilirken, sonucunda ne elde edileceği, ne- yin amaçlandığıdır. Sağlık verisini ve bu veriyi etkileyen diğer verilerle de beraber bir havuz oluşturduk ve inceledik. Bunun sonucunda ulaştığımız bilgi bize bazı avantajlar sağlayabilmelidir. Örneğin; bu analizler sonucu elde ettiğiniz veriler ile erken teşhis ya da hastalığa yakalanma risklerini azaltma konusunda önlemler alabilir, çalışmalar baş- latabilirsiniz.
Sağlıkta veriyi nasıl değerlendirebiliriz, bilgiye nasıl dönüştürebiliriz? Bunlar konusunda biraz geride kalmış olsak da elimizde gerçekten çok güzel kararlar almamızı sağlayacak bilgiler toplanmış durumda. Tam da bu konu ile ilgili bir örnek vermek istiyorum. Bir- çoğumuz, daha önce mutlaka duymuşuzdur, Dr.Watson, bu bir makine üzerinde özel yazılımları olan sağlık verisi ile donatılmış bir yapay zeka ürünü. Siz bu makineye be- lirtilerinizi söylüyorsunuz, size %80-%90 oranlarında başarı ile teşhis ve tedavi önerisin de bulunabiliyor. Bir karar verici durumunda değil ama hekimlerin işini kolaylaştırma ve zaman kazanma noktasında büyük katkıları olacağı kesin. Ayrıca sadece yüklenen veriler ile de sınırlı kalmıyor, internet ortamında yer alan birçok makaleyi, dokümanı inceleyerek kendi öğrenme sürecini devam ettiriyor. Bu bize verileri nasıl bilgiye dö- nüştüreceğimiz, bu süreci nasıl işleteceğimiz konusunda örnek alabileceğimiz güzel bir uygulamadır.
Genelde birçok şeyi deneyimleyerek öğreniyoruz. Nedir bunlar; yine sağlık özelinde söylersek, bahar aylarında hasta olma, gribe yakalanma oranlarının artması, bazı mes- lek hastalıkları, yeni okula başlayan çocukların hastalanma oranının artması gibi bir- çok örnek verilebilir. Bu bilgiler tamamen deneyimlerimizin ürünüdür. Şunun farkında olmamız gerekir ki; deneyimlerimizin sonucunu bekleyemeyecek kadar önemli nokta- lar olabilir. Sonucunun ne olacağı belki yıllar sonra fark edilecek durumlar. Bu konuda yakın bir tarihten örnek verebilirim. Yaz saati değişikliği uygulaması üzerinde büyük tartışmalar yaşandı. Güneş alma süresinin kısaldığı çokça ifade edildi. Bunun etkilerini şimdi gözlemlemek mümkün mü? Evet, bazı verileri bir araya getirerek normal dışı bir durumun olup olmadığının, geçen yıllar ile bu yıl arasındaki tanı farklılıklarını anında tespit edebiliriz. Bununla ilgili bir çalışma var mıdır sanmıyorum ama neden yapmaya- lım. Bir başka güzel olabileceğini düşündüğüm örnek, evlerin güneş alma açıları. Sadece sağlık verilerinin büyük veri için yeterli olmayacağını belirtmiştim, çeşitliliği anlatırken. Şehirlerin planlamasının insan hayatı üzerindeki etkisinin ne boyutta olduğunu çıkar- mamız mümkündür. Güneş alma oranının %60 seviyesinde olduğu bir yerleşim ile %75 olduğu iki yeri karşılaştırıp nasıl sonuçlar doğurduğunu görebiliriz. En son bir de İstan- bul özelinde bir örnek vermek istiyorum. Kuzey Ormanları’nda son dönemde yapılan devasa boyutlara ulaşan tahribatla ilgili. Bunun insan sağlığına, doğaya olan etki analiz- lerini çıkarmak belki de sadece birkaç haftalık bir çalışmanın sonucunda bilimsel olarak ortaya çıkartılabilir. Bu örnekleri ve uygulama alanlarını çoğaltmak mümkün. En hızlı şekilde aksiyon alabileceğimiz konuların başında; verinin analizi, bize tedavi yöntemi
önermesi değil hastalığı önlemesi olacaktır. Hastalığı önleyemediğimiz durumlarda da en doğru ve uygun tedavinin bulunmasında yardımcı olabilecek sistemler geliştirebiliriz. Dr.Watson örneğinde anlattığım gibi, insan kaynağımızı doğru yönetmek, doğru insan- ları doğru yerlerde bulundurmak, tedaviye daha kolay ulaşılmasını sağlayabiliriz. Bugün sizlere büyük veri kavramının ne olduğu, sağlık sektöründeki yeri ve kişisel ve- rilerimizin güvenliği konularından bahsetmek istedim. Büyük veri, hayatımızda sadece ne olduğunu bildiğimiz bir kavram olmamalı. Teknolojideki bu gelişmeleri, ihtiyaçları kendi kurumlarımıza, çalışmalarımıza uyarlamalıyız. Kişisel Sağlık Verileri Kongresi’n- de alanında konuştuğumuz ve birkaç yıl bu alanda bulunduğum için, bu yönde ki çalış- malara gecikmeden hız verilerek gerçekten çok güzel şeyler yapmanın mümkün oldu- ğunu düşünüyorum. Bu konuda, eğitim politikalarının bile sağlık ile ilişkilendirmesi söz konusu olabilir. Kişisel veri olmasından dolayı, örneğin genetik bir sorundan dolayı, bir kişinin eğitim hayatında kendisine daha uygun bir meslek yaşantısı planlanmasını öne- rebiliriz. Beslenme alışkanlıklarını düzenleyebiliriz. Bu konu kişilerin tercihlerine göre ayrıca çok daha detaylı tartışılabilir.
Verilerimizin kişisel güvenliği doğrultusunda, gücünü ortaya çıkarmalıyız. Bunu toplum yararının bilincinde olarak yapmalıyız.
Değerli konuklar kapanışı sanıyorum ben yapacağım. Hepiniz hoş geldiniz diyeyim giderken. Ben sağlıkta sayısallaştırılmış kişisel verilerin uygulamalarından, genelde de buluttaki uygulamalarından bahsedeceğim aslında. Bu dört büyükler diyebileceğimiz Google, Microsoft, Amazon ve işte Apple unutmayayım onu da. Bu arada da bu fikirle ilişkili olan diğer alanlardan da bahsetmeye çalışacağım. Öncelikle sunum planını şöyle kısaca vereyim. Sağlıkta veri kategorileri var, kimisi anonimize oluyor yani kimliksizleş- tiriliyor birazdan konuşacağımız. Kimisinin illa bir kimlikle eşlenmesi gerekiyor. O veri havzalarının türlerine bakalım beraber. Ondan sonra büyük sistemlerde hasta verilerinin saklanması ya da özetlenmesi konusunda da diğer sistemlerdeki sunulan uygulamaları ve bu firmaların isim olarak anlıyoruz ama kendi iddiaları, “bize neyi taahhüt ediyorlar” gibi başlıklara de değinmeye çalışacağım. Daha sonra da yakın gelecekle ilgili çok küçük bir tanecik slaydım var ama şu anda yani son bir haftada sanal hastane diye bir konsept çıkmıştı zaten, yıllardır konuşuluyordu ama gerçekleşmeye yaklaştı. Bu bilişsel analiz cognitive analitik dediğimiz konu artık çözülmeye başlandı. Biraz önce Erkan Bey’in bahsettiği fotoğraf gönderiyorsunuz adam onu da okuyor. Çünkü yani hepimize de açık. Yani Cognitive Services Microsoft diye ararsanız direkt gireceğiniz yerde bir fotoğrafını- zı girip şöyle bir analiz alabilirsiniz. Gerçi beni biraz yaşlı tahmin etti ama yaşınızı tah- min ediyor. 37 diyor, işte kadın diyor mesela. Doğum gününü kutlayan çocuk diyor. Ye- ğenimi çektim 14 aylık, pastanın önünde gibi bunlara veriyi verdiğiniz zaman her şekilde analiz eder bir yere bağlarlar. Bunların da sebepleri var biliyorsunuz. Daha sonra da çok küçük bir teknik bir bölümüm var yetiştiremezsek anlatmam. Kayda girsin, sunumlara girsin diye yazdım bu da anonimizasyon dediğimiz yani kimliksizleştirme dediğimiz bir hastadan veri dönüştürdünüz istatistiki olarak anlamlı ve analiz edebiliyorsunuz fakat hastaya geri dönemiyorsunuz. Bununla ilgili konuşacağım vaktimiz kalırsa.
Şimdi sayısallaştırılmış veri kategorilerini 2014’te bir ekibin yaptığı bir çalışmaya dayan- dırıyorum. Bunların yaptığı kategoride alt kategori belirlemiş durumdalar. Araştırma, e-sağlık kayıtları, kayıt sistemi, veri ambarı, koleksiyon ve dağıtık. Kısaca bir üstlerinde konuşalım. İngilizce çevirilerde bazı problemler olabiliyor. Mesela federated’ı ben federe diye çeviririm ama bir arkadaşım Özgür Hanım uyardı, başka türlü anlaşılır diye. Dağı- tık diye çevirdim. Ne o sonra, onu da anlatacağım sonra. E-sağlık kayıtları, EHR şimdi bunları tek tek detaylarına gireceğim birer slaytta hızlıca. Şimdi araştırma veri tabanla-
Güçlü Ongun
Elektrik/Elektronik Mühendisi