ABD’de Yapılan Yeni Araştırma, Meme Kanserinin Erken Teşhisinde Yapay Zekanın Potansiyelini Gösteriyor
Meme kanserinin erken teşhisinde yaşanan zorluklar, özellikle rutin mamografi taramaları arasında ortaya çıkan ve “interval kanserler” olarak adlandırılan tümörler nedeniyle daha da belirgin hale gelmektedir. Los Angeles’ta bulunan UCLA Health Jonsson Comprehensive Cancer Center’da gerçekleştirilen kapsamlı bir çalışma, yapay zekanın (YZ) bu zorluğu aşmada önemli bir yardımcı olabileceğini ortaya koydu. Araştırmacılar, YZ destekli yöntemlerin müdahale süresini kısaltarak, özellikle rutin taramalar arasında gelişen interval kanserlerin daha erken tespit edilmesini sağlayabileceğine dikkat çekiyor. Bu sayede tarama protokollerinde köklü değişiklikler yapılarak hasta sonuçları iyileştirilebilir.
Interval kanserler, rutin mamografi taramalarında tespit edilemeyen ve sonraki taramaya kadar ortaya çıkan, genellikle hızlı büyüyen ve tedavisi zor tümörlerdir. Bu durum, radyologlar için büyük bir zorluk teşkil eder çünkü bu kanserlerin ilk taramada belirgin bir işareti olmayabilir ya da mevcut işaretler çok hafif ve fark edilmesi güç olabilir. Dolayısıyla bu tümörlerin hem tanı süreci gecikir hem de hastaların tedavi şansları olumsuz etkilenir. UCLA liderliğindeki araştırmanın temel amacı, YZ destekli görüntü analiz teknikleriyle bu gizli işaretlerin daha erken fark edilmesini sağlamaktır.
Söz konusu araştırmada, 2010 ile 2019 yılları arasında elde edilen yaklaşık 185.000 mamografi görüntüsü incelendi. Bu görüntüler hem dijital mammografi (DM) hem de ABD’de yaygın olarak kullanılan dijital meme tomosentezi (DBT) yani 3D mamografi teknolojilerini içeriyordu. Araştırma, Amerika’ya özgü yıllık tarama sıklığı ve 3D mammografi kullanımına odaklanması bakımından, Avrupa’daki 2D mammografi ve her 2-3 yılda bir yapılan taramalardan ayrılarak klinik uygulamalarda YZ’nin gerçek dünyadaki etkinliğine ışık tutuyor.
Araştırmanın merkezinde Transpara adlı ticari bir yapay zeka yazılımı yer aldı. Bu sistem, mamografi görüntülerine uygulanıp 1 ile 10 arasında bir risk skoru veriyor. 8 ve üzeri skorlar, potansiyel şüpheli durumları işaret ediyor ve radyologların bu görüntülere tekrar bakmasını sağlıyor. Araştırmacılar, interval kanser tanısı konan hastaların daha önce “normal” olarak değerlendirilen mamografi görüntülerini geri dönük olarak bu YZ sistemiyle analiz etti. Böylece, kanserin erken dönemde görülüp görülmediği veya fark edilip edilmediği araştırıldı.
Sonuçlar oldukça umut verici çıktı. Yapay zeka, daha önce kanser bulunmadığı düşünülen interval kanserlere ait mammogramların %76’sını başarılı şekilde işaretledi. Bu yüksek tespit oranı, YZ’nin radyologların gözünden kaçan lezyonları ortaya çıkarmada önemli bir “ikinci göz” rolü üstlenebileceğini gösteriyor. Özellikle “görsel okuyucu hatası” denilen, kanserin aslında mamografide açıkça görünmesine rağmen atlandığı vakalarda YZ, %90 gibi çok yüksek bir tespit oranıyla dikkat çekti.
Araştırma, kanser belirtilerinin sınırda olduğu “minimal işaretli” vakaların da önemli bir kısmını (%89’u) YZ’nin başarıyla tespit ettiğini ortaya koydu. Bu tür vakalar, hafif ama klinik müdahale gerektirebilecek anormalliklere sahip kolay farkedilmeyen tümörlerdir. Ayrıca “müdahale gerektirmeyen minimal işaretli” vakaların %72’si de yapay zeka tarafından fark edildi. Burada bazı bulgular hemen klinik tetkik gerektirmese de YZ’nin detayları anlamasında yeni olanaklar olduğu gözlendi.
En ilginç sonuçlardan biri, “gizli” veya “occult” olarak adlandırılan ve mamogramlarda tamamen görünmeyen kanserlerin %69’unun da YZ tarafından işaretlenmiş olmasıdır. Bu durum, makine öğrenimi algoritmalarının insanoğlunun gözünün algılayamadığı ince özellikleri kastettiğine işaret ediyor. Ancak “gerçek interval kanserler” olarak tanımlanan, taramalar arasında tamamen yeni gelişen tümörler açısından YZ’nin başarısı %50’de kalmıştı. Bu da yeni ortaya çıkan tümörleri tespit etmekte YZ’nin önemli zorluklar yaşadığını gösteriyor.
Araştırmanın yazarları, yapay zekanın tespit oranlarının yüksek olmasına rağmen, kanser lezyonunun tam yerinin tespiti konusunda hâlâ önemli sorunlar olduğunu belirtiyor. Örneğin, occult kanserlerde mamogramın kanserle ilişkili olduğuna dair uyarı vermesine rağmen, gerçek hastalıklı bölgenin yalnızca %22 kez doğru olarak belirtilebildiği ifade edildi. Bu, klinikte karar verme sürecinde YZ’nin daha güvenilir yer belirlemesi yapmasının önemli gelişmeler gerektirdiğini gösteriyor.
Araştırmacılar, YZ entegrasyonunun gerçek tarama süreçlerinde radyologların kararlarını ve hasta sonuçlarını nasıl etkileyebileceği üzerine daha fazla değerlendirme yapılması gerektiğini vurguluyor. YZ sistemlerinin yanlış pozitif sonuçları ve insan gözüyle anlamsız görülen ama sistem tarafından işaretlenen bulgularla başa çıkma konularında ek politika ve eğitim çalışmalarına ihtiyaç duyuluyor. Hastaların gereksiz korku ve müdahalelerden korunması için bu tür uyarıların yönetilmesi kritik bir adım.
UCLA David Geffen Tıp Fakültesi’nden Dr. Tiffany Yu, yapay zekanın meme kanserinde “ikinci göz” işlevi üstlenebileceğini ancak nihai kararın radyologlara ait olduğunu belirtiyor. “YZ, özellikle ince ve fark edilmesi zor kanserlerde büyük umut vaat ediyor. Bu teknoloji sayesinde interval kanserlerin bir kısmı tamamen görünmez hale gelecek, bu da daha erken tanı ve hayat kurtarıcı sonuçlar doğuracak” diyerek, teknolojinin tamamlayıcı rolüne dikkat çekiyor.
Çalışmanın kıdemli yazarı Dr. Hannah Milch, teknolojinin gösterdiği duyarlılığa rağmen eksikliklerinin bulunduğunu hatırlatıyor. YZ’nin mevcut mamografi protokollerini yeniden şekillendirme potansiyelinin çok büyük olduğunu ancak algoritmaların geliştirilmesi, lezyonların daha isabetli tespiti ve insanoğluyla cihazın birlikte çalışabileceği yeni iş akışlarının oluşturulmasının zorunlu olduğunu belirtiyor. Bu sayede hem radyologlara hem hastalara en iyi hizmet sunulabilir.
Bu çalışma, Amerika’daki meme kanseri tarama yöntemlerine özgü yapay zeka uygulamalarını detaylı olarak inceleyen ilk geniş kapsamlı araştırmalardan biri olarak dikkat çekiyor. Avrupa’daki farklı tarama aralıkları ve teknolojiler göz önüne alındığında, bu sonuçlar ABD’nin klinik ortamına yönelik daha uygun stratejilerin geliştirilmesinde yol gösterici olacak. YZ’nin güçlü tarafları vurgulanarak, hedefe odaklı uygulamaların hayata geçirilmesi sağlık hizmetlerinin kalitesini artıracaktır.
Araştırmaya, Ulusal Sağlık Enstitüleri ve Ulusal Kanser Enstitüsü gibi önemli kuruluşlar destek sağladı. Çalışmanın sonuçlarının, yapay zeka teknolojilerinin meme kanseri teşhisindeki etkisini artırması, agresif tümörlerin erken dönemde yakalanması ve ölüm oranlarının azalması adına yeni bir dönemin başlangıcı olduğu vurgulanabilir. Bu bulgular, kanser teşhisinde teknolojik ilerlemelerin hasta bakımını doğrudan etkileyebileceğini gösteriyor.
Sonuç olarak, yapay zeka henüz tek başına bir çözüm olmasa da meme kanseri taramalarında tamamlayıcı bir araç olarak geleceğin teşhis yöntemlerini şekillendiriyor. UCLA liderliğindeki araştırma, radyologların atladığı interval kanserlerin YZ sayesinde tespit edilebileceğini ortaya koyuyor. Gelecekte yapılacak çalışmalarla algoritmaların doğruluğu artırılacak, klinik uygulama standartları oluşturulacak ve dünya çapında hastaların yaşam kalitesi iyileştirilecektir.
—
Araştırma Konusu: Detection of Interval Breast Cancers Using Artificial Intelligence in Mammographic Screening
Makale Başlığı: AI-Enhanced Detection of Interval Breast Cancers in U.S. Mammography Screening
Web References: https://academic.oup.com/jnci/advance-article/doi/10.1093/jnci/djaf103/8116029
Doi Referans: 10.1093/jnci/djaf103
Anahtar Kelimeler: Meme kanseri, interval kanserler, mamografi, yapay zeka, dijital meme tomosentezi, kanser taraması, makine öğrenimi, radyoloji, erken teşhis
