Yapay zekânın (YZ) onkolojide kullanımı, kanser tanısı ve tedavisinde ilerlemelere vesile oluyor. Son yıllarda yapılan çalışmalarda YZ uygulamalarının kanser tahminlerinde yüksek doğruluk oranı sağladığı görülüyor. Karolinska Enstitüsünün meme kanserinin teşhisinde YZ’nin kullanılması üzerine yaptığı bir araştırmada YZ’nin kanser tahminlerindeki doğruluk payları incelenmiştir.[1] Peki, bu YZ sistemleri nasıl çalışır?
Hastalardan alınan kanserli doku örneği dijitalleştirilerek, yüksek çözünürlüklü bir şekilde bilgisayara aktarılıyor. Binlerce farklı görüntü, YZ’nin alt yapısına kaydediliyor. YZ uygulamaları derin öğrenme sistemleri sayesinde (deep learning systems) kanser hücrelerinin şekilleri ve boyutları gibi birçok farklı özelliklerini öğreniyor. Daha sonra bu bilgileri yeni gelen hastaların görüntülerini analiz etmede kullanıyor.[2]
Meme kanseri tespitini kolaylaştırmayı amaçlayan bu araştırmada, kanser şüphesi taşıyan hastaların görüntüleri dört farklı şekilde incelenmiştir: İlk olarak iki radyoloji uzmanı tarafından, ardından iki radyoloji uzmanı ve YZ birlikte, sonra bir radyoloji uzmanı ve YZ birlikte, son olarak da yalnızca YZ tarafından değerlendirilmiştir.
Sonuçlar birbiriyle karşılaştırılmış ve ilk yöntemde 250, ikincisinde 269, üçüncüsünde 261 ve dördüncüsünde ise 246 kanser vakası tespit edildiği görülmüştür. YZ desteği ile yapılan taramalar sadece doktorların yaptığı taramalara kıyasla daha fazla kanser vakasının tespit edilebileceğini göstermiştir. İsveç’te bu çalışmalar, 2023 yılının ortalarından itibaren Stockholm’de bulunan Capio S:t Görans Hastanesi’nde uygulanmaya başlanmıştır. Uygulamaların geliştirilmesiyle birlikte, zamanla daha fazla kanser türünün erken teşhis edilebilmesi öngörülmektedir.[3]
Dipnotlar
[1] Dembrower, K., Crippa, A., Colón, E., Eklund, M., & Strand, F. (2023). “Artificial intelligence for breast cancer detection in screening mammography in Sweden: a prospective, population-based, paired-reader, non-inferiority study”, The Lancet Digital Health, 5(10), e703–e711. https://doi.org/10.1016/S2589-7500(23)00153-X
[2] Sharma, A., Weitz, P., Wang, Y. et al. “Development and prognostic validation of a three-level NHG-like deep learning-based model for histological grading of breast cancer”, Breast Cancer Research, 26, 17 (2024). https://doi.org/10.1186/s13058-024-01770-4
[3] Dembrower et al., op. cit.
