Amsterdam \u00dcniversitesi T\u0131p Merkezi (Amsterdam UMC) b\u00fcnyesinde \u00e7al\u0131\u015fan bir ara\u015ft\u0131rma ekibi, akci\u011fer kanserinin tan\u0131s\u0131nda devrim niteli\u011finde bir yapay zeka (YZ) algoritmas\u0131 geli\u015ftirdi. Bu yenilik\u00e7i algoritma, mevcut klinik uygulamalara k\u0131yasla akci\u011fer kanseri riski ta\u015f\u0131yan hastalar\u0131 d\u00f6rt aya kadar daha erken tespit edebiliyor. Ara\u015ft\u0131rma, \u0130ngiltere\u2019nin prestijli British Journal of General Practice dergisinde yay\u0131mland\u0131. \u00c7al\u0131\u015fman\u0131n temelinde, hastalar\u0131n genel pratisyen (GP) hekim taraf\u0131ndan tutulan klinik verileri yer al\u0131yor. Bu veriler aras\u0131nda \u00f6zellikle g\u00f6z ard\u0131 edilen yap\u0131land\u0131r\u0131lmam\u0131\u015f, yani serbest metin \u015feklindeki klinik notlar yer al\u0131yor. Bu sayede erken kanser te\u015fhisi alan\u0131nda yeni bir d\u00f6nemin kap\u0131lar\u0131 aralan\u0131yor.<\/p>\n
Geleneksel akci\u011fer kanseri te\u015fhis y\u00f6ntemleri, genellikle sigara kullan\u0131m\u0131 gibi yap\u0131land\u0131r\u0131lm\u0131\u015f ve kodlanm\u0131\u015f veriler veya hastan\u0131n kanamas\u0131 gibi a\u00e7\u0131k ve net belirtiler \u00fczerine kuruludur. Ancak bu y\u00f6ntemlerin duyarl\u0131l\u0131k ve \u00f6zg\u00fcll\u00fc\u011f\u00fc s\u0131n\u0131rl\u0131d\u0131r ve doktorlar\u0131n muayene s\u0131ras\u0131nda not d\u00fc\u015ft\u00fc\u011f\u00fc serbest metinlerin i\u00e7inde yer alan ince, karma\u015f\u0131k ipu\u00e7lar\u0131n\u0131 yakalamada yetersiz kalmaktad\u0131r. Amsterdam UMC ara\u015ft\u0131rmac\u0131lar\u0131, hem yap\u0131land\u0131r\u0131lm\u0131\u015f verileri hem de GP notlar\u0131ndaki serbest metni birlikte i\u015fleyebilen sofistike bir makine \u00f6\u011frenmesi modeli geli\u015ftirdi. B\u00f6ylece daha \u00f6nce fark edilmeyen \u00f6ng\u00f6r\u00fcc\u00fc \u00f6zellikler tespit edildi.<\/p>\n
Ara\u015ft\u0131rman\u0131n veri taban\u0131 Amsterdam, Utrecht ve Groningen\u2019deki d\u00f6rt akademik GP a\u011f\u0131ndan toplanan yar\u0131m milyondan fazla hastan\u0131n y\u0131llara dayanan t\u0131bbi kay\u0131tlar\u0131n\u0131 i\u00e7eriyor. Bu veri setinde, kodlu giri\u015fler ve serbest metin notlar\u0131 da yer almakta. \u0130laveten, bu grupta bulunan 2.386 do\u011frulanm\u0131\u015f akci\u011fer kanseri vakas\u0131, Hollanda Kanser Kayd\u0131 ile \u00f6rt\u00fc\u015f\u00fcyor. Yapay zeka algoritmas\u0131, bu zengin veri \u00fczerinden akci\u011fer kanseri riskini \u00f6nceden 5 aya kadar \u00f6ng\u00f6rebiliyor ve b\u00f6ylelikle hastalar\u0131n sevk s\u00fcre\u00e7leri ortalama 4 ay erkene \u00e7ekilebiliyor.<\/p>\n
Amsterdam UMC\u2019de translasyonel yapay zeka alan\u0131nda uzman Prof. Martijn Schut, algoritman\u0131n g\u00fcc\u00fcn\u00fcn hastalar\u0131n uzunca s\u00fcren sa\u011fl\u0131k ge\u00e7mi\u015findeki karma\u015f\u0131k ve gizli kalm\u0131\u015f \u00f6r\u00fcnt\u00fcleri ortaya \u00e7\u0131karabilmesinden kaynakland\u0131\u011f\u0131n\u0131 belirtiyor. D\u00fcz kurallara dayal\u0131 tarama protokollerinde g\u00f6r\u00fcnmeyen bu \u00f6ng\u00f6r\u00fcler, sadece a\u00e7\u0131k belirtilerden de\u011fil, GP notlar\u0131nda yer alan ince sa\u011fl\u0131k \u015fikayetleri de\u011fi\u015fimleri ve bu belirtilerin kombinasyonlar\u0131ndan elde ediliyor. Bu geni\u015f perspektif ile klinisyenler erken d\u00f6nemde m\u00fcdahalede bulunabiliyor, t\u00fcm\u00f6rler tedavi edilebilir evrelerde yakalanabiliyor ve b\u00f6ylece hastalar\u0131n ya\u015fam \u015fans\u0131 \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131r\u0131l\u0131yor.<\/p>\n
Bu y\u00f6ntem kitle tarama programlar\u0131ndan tamamen farkl\u0131 bir yap\u0131 arz ediyor. Yayg\u0131n tarama programlar\u0131nda kullan\u0131lan y\u00fcksek maliyetli g\u00f6r\u00fcnt\u00fcleme ve laboratuvar testlerine k\u0131yasla, algoritma rutin GP muayenelerine sorunsuz entegre olarak ger\u00e7ek zamanl\u0131 risk de\u011ferlendirmesi sa\u011fl\u0131yor. Doktorlar, hasta muayenesi s\u0131ras\u0131nda bu arac\u0131 kullanarak gereksiz tarama altyap\u0131s\u0131 veya invaziv i\u015flemlere ba\u015fvurmadan h\u0131zl\u0131 \u015fekilde hastalar\u0131n durumunu de\u011ferlendirebiliyor.<\/p>\n
Akci\u011fer kanseri, ba\u015flad\u0131\u011f\u0131nda sinsi ilerleyen ve be\u015f y\u0131l sa\u011fkal\u0131m oran\u0131 y\u00fczde 20\u2019nin alt\u0131nda olan en \u00f6l\u00fcmc\u00fcl kanser t\u00fcrlerinden biri. Tan\u0131 genellikle ge\u00e7 evrelerde (3. ve 4. evre) konuldu\u011fundan, tedavi se\u00e7enekleri k\u0131s\u0131tl\u0131 kal\u0131yor. Klinik ara\u015ft\u0131rmalar, tedaviye ba\u015flama s\u00fcresinin d\u00f6rt hafta \u00f6ne \u00e7ekilmesinin bile sa\u011fkal\u0131m\u0131 istatistiksel olarak art\u0131rd\u0131\u011f\u0131n\u0131 ortaya koyuyor. \u0130\u015fte tam da bu noktada, yeni geli\u015ftirilen yapay zeka algoritmas\u0131 d\u00f6rt ay \u00f6ncesinden uyar\u0131 vererek, hastalar\u0131n hayat\u0131n\u0131 kurtarabilecek \u00f6nemli bir zaman avantaj\u0131 sa\u011fl\u0131yor.<\/p>\n
Amsterdam UMC ekibi, bu teknolojiyi sadece akci\u011fer kanseri i\u00e7in de\u011fil; ge\u00e7 te\u015fhis edilen pankreas, mide ve over (yumurtal\u0131k) kanseri gibi di\u011fer \u00f6l\u00fcmc\u00fcl kanser t\u00fcrlerine de uyarlamay\u0131 hedefliyor. Bu kanserlerde erken tan\u0131 do\u011frudan ya\u015fam s\u00fcresi ve hastalar\u0131n ya\u015fam kalitesinde dramatik iyile\u015fmeleri beraberinde getiriyor. B\u00f6ylece yapay zeka destekli bu yakla\u015f\u0131m genel halk sa\u011fl\u0131\u011f\u0131 a\u00e7\u0131s\u0131ndan b\u00fcy\u00fck umut vadediyor.<\/p>\n
Ara\u015ft\u0131rma s\u00fcrecinde, 525.526 hastaya ait uzun d\u00f6nemli t\u0131bbi kay\u0131tlar detayl\u0131 \u015fekilde analiz edildi. Hem yap\u0131land\u0131r\u0131lm\u0131\u015f veriler (demografi, te\u015fhis kodlar\u0131, ila\u00e7 re\u00e7eteleri) hem de yap\u0131land\u0131r\u0131lmam\u0131\u015f metin (GP notlar\u0131, semptom tan\u0131mlar\u0131) birlikte kullan\u0131ld\u0131. Makine \u00f6\u011frenmesi teknikleri ile dil kal\u0131plar\u0131 ve t\u0131bbi ba\u011flam dikkate al\u0131narak, karsinom geli\u015fimine i\u015faret eden risk profili ta\u015f\u0131yan hastalar sistematik olarak belirlendi.<\/p>\n
Bununla birlikte, algoritman\u0131n ba\u015far\u0131s\u0131n\u0131 t\u00fcm d\u00fcnyadaki farkl\u0131 sa\u011fl\u0131k sistemlerine uyarlamak i\u00e7in geni\u015f \u00e7apl\u0131 do\u011frulama \u00e7al\u0131\u015fmalar\u0131na ihtiya\u00e7 duyuluyor. Farkl\u0131 \u00fclkelerde hekimlerin belge tutma bi\u00e7imleri, sa\u011fl\u0131k hizmeti modelleri ve hasta demografisi farkl\u0131l\u0131k g\u00f6sterebilece\u011finden, algoritman\u0131n kalibrasyonu ve optimize edilmesi gerekiyor. Ara\u015ft\u0131rmac\u0131lar, d\u0131\u015f veri k\u00fcmeleriyle kapsaml\u0131 testler yapmay\u0131 planl\u0131yor.<\/p>\n
\u00c7al\u0131\u015fmada kullan\u0131lan do\u011fal dil i\u015fleme ve istatistiksel modelleme teknikleri, yap\u0131land\u0131r\u0131lmam\u0131\u015f klinik metinleri anlamland\u0131rmada son teknolojileri temsil ediyor. Bu sinerji sayesinde, geleneksel statik kontrol listeleri yerine, hastalar\u0131n b\u00fct\u00fcnc\u00fcl t\u0131bbi hik\u00e2yeleri i\u00e7inde dinamik risk tahminleri yap\u0131labiliyor. Henk van Weert, Amsterdam \u00dcniversitesi Emekli Genel Pratisyen Profes\u00f6r\u00fc, \u201cAkci\u011fer kanserinin d\u00f6rt ay daha erken te\u015fhisi, hastal\u0131\u011f\u0131n ileri evrelere ula\u015fmadan \u00f6nce tedaviye ba\u015flanmas\u0131 i\u00e7in anlaml\u0131 bir f\u0131rsat sunuyor\u201d diyerek, geli\u015fmenin hasta ya\u015fam kalitesi ve sa\u011fl\u0131k sistemi maliyetlerinde \u00f6nemli kazan\u0131mlar getirece\u011fini vurguluyor.<\/p>\n
Algoritman\u0131n klinik workflow\u2019a entegrasyonu, pratisyen hekimlerin hastalar\u0131 proaktif bir \u015fekilde kanser a\u00e7\u0131s\u0131ndan de\u011ferlendirmelerine imk\u00e2n tan\u0131yor. Ancak, yapay zeka deste\u011finin bir ara\u00e7 oldu\u011fu, nihai karar ve y\u00f6nlendirme sorumlulu\u011funun her zaman doktorlarda oldu\u011funun alt\u0131 \u00e7iziliyor. \u0130nsan ile yapay zekan\u0131n i\u015f birli\u011fi, hasta odakl\u0131 yakla\u015f\u0131m\u0131n korunmas\u0131n\u0131 sa\u011flar ve klinik karar s\u00fcre\u00e7lerini g\u00fc\u00e7lendirir.<\/p>\n
Bu ara\u015ft\u0131rma, epidemiyoloji, veri bilimi ve klinik t\u0131bb\u0131n kesi\u015fti\u011fi bir noktada yer al\u0131yor ve b\u00fcy\u00fck veri kullanarak onkoloji alan\u0131ndaki zorlay\u0131c\u0131 sorunlara \u00e7\u00f6z\u00fcm ar\u0131yor. D\u00fcnya genelinde erken kanser tan\u0131s\u0131na y\u00f6nelik \u00e7abalar h\u0131z kazan\u0131rken, Amsterdam UMC\u2019nin geli\u015ftiridi\u011fi bu YZ arac\u0131 ge\u00e7 evre tan\u0131lar\u0131n azalmas\u0131nda, hasta sonu\u00e7lar\u0131n\u0131n geli\u015ftirilmesinde ve kaynak kullan\u0131m\u0131n\u0131n optimize edilmesinde umut vaat ediyor.<\/p>\n
Sonu\u00e7 olarak, Amsterdam UMC ara\u015ft\u0131rmas\u0131, GP klinik notlar\u0131n\u0131n yapay zeka ile analizi sayesinde akci\u011fer kanserinin \u00f6nceden tespit edilebilece\u011fini g\u00f6stererek, kanser tan\u0131s\u0131nda yeni bir \u00e7a\u011f\u0131 m\u00fcjdeliyor. Bu yakla\u015f\u0131m, sa\u011fl\u0131k \u00e7al\u0131\u015fanlar\u0131n\u0131n hastal\u0131k geli\u015fimini aylar \u00f6ncesinden \u00f6ng\u00f6rmelerini sa\u011flayarak, art\u0131k \u00f6nleyici bak\u0131mda makine zekas\u0131n\u0131n aktif bir destek\u00e7i haline geldi\u011fi bir gelece\u011fe kap\u0131 aral\u0131yor.<\/p>\n
—<\/p>\n
**Ara\u015ft\u0131rma Konusu**: People
\n**Makale Ba\u015fl\u0131\u011f\u0131**: Artificial intelligence for early detection of lung cancer in GPs\u2019 clinical notes: a retrospective observational cohort study
\n**Haberin Yay\u0131n Tarihi**: 22-Apr-2025
\n**Web References**: https:\/\/doi.org\/10.3399\/BJGP.2023.0489
\n**Doi Referans**: 10.3399\/BJGP.2023.0489
\n**Anahtar Kelimeler**: Lung cancer, Algorithms, Cancer patients, Cancer research<\/p>\n","protected":false},"excerpt":{"rendered":"
Amsterdam \u00dcniversitesi T\u0131p Merkezi (Amsterdam UMC) b\u00fcnyesinde \u00e7al\u0131\u015fan bir ara\u015ft\u0131rma ekibi, akci\u011fer kanserinin tan\u0131s\u0131nda devrim niteli\u011finde bir yapay zeka (YZ) algoritmas\u0131 geli\u015ftirdi. Bu yenilik\u00e7i algoritma, mevcut klinik uygulamalara k\u0131yasla akci\u011fer kanseri riski ta\u015f\u0131yan hastalar\u0131 d\u00f6rt aya kadar daha erken tespit edebiliyor. Ara\u015ft\u0131rma, \u0130ngiltere\u2019nin prestijli British Journal of General Practice dergisinde yay\u0131mland\u0131. \u00c7al\u0131\u015fman\u0131n temelinde, hastalar\u0131n genel…<\/p>\n","protected":false},"author":1,"featured_media":3571,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_yoast_wpseo_title":"","_yoast_wpseo_metadesc":"","_yoast_wpseo_focuskw":"","rank_math_title":"","rank_math_description":"","rank_math_focus_keyword":"","_wpan_schema_json_ld":"","_wpan_ai_seo_metadata":"","_wpan_ai_seo_status":"","_wpan_ai_seo_policy":"","_wpan_ai_seo_faq_block":"","_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[28],"tags":[2479,2480,2478,2481,2477],"tmauthors":[],"class_list":{"0":"post-3570","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-kanser","8":"tag-amsterdam-umc-akciger-kanseri-arastirmasi","9":"tag-genel-pratisyen-hekim-verilerinin-kullanimi","10":"tag-klinik-serbest-metin-analizinde-makine-ogrenmesi","11":"tag-yapay-zeka-destekli-kanser-erken-teshis-algoritmalari","12":"tag-yapay-zeka-ile-erken-akciger-kanseri-tespiti"},"jetpack_featured_media_url":"https:\/\/haber360.com\/wp-content\/uploads\/2025\/04\/Yapay-Zekayla-Akciger-Kanseri-Tespiti-Erken-1745362771.jpg","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/posts\/3570","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/comments?post=3570"}],"version-history":[{"count":0,"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/posts\/3570\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/media\/3571"}],"wp:attachment":[{"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/media?parent=3570"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/categories?post=3570"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/tags?post=3570"},{"taxonomy":"tmauthors","embeddable":true,"href":"https:\/\/haber360.com\/index.php\/wp-json\/wp\/v2\/tmauthors?post=3570"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}