Yapay Zekâ, Mamografi Sonrası Bekleyişi Kısaltan Yeni Bir Meme Kanseri Triage Süreci Sunuyor

Kaliforniya Üniversitesi San Francisco (UCSF) ile UC Berkeley’den araştırmacılar, şüpheli mamografi sonuçları sonrasında kadınların günlerce, hatta bazen daha uzun süren belirsizlik dönemini önemli ölçüde azaltabilecek bir yapay zekâ yaklaşımı geliştirdi. Meme kanseri tanısında erken ve doğru yönlendirme, yalnızca klinik sonuçlar açısından değil, hastaların psikolojik yükü bakımından da kritik kabul ediliyor. Bu yeni çalışma, yapay zekânın tarama sürecinde yalnızca risk tahmini yapmakla kalmayıp, yüksek riskli hastaları hızla ayıklayarak ileri görüntüleme ve olası biyopsi kararlarını aynı gün içinde organize etmeye yardımcı olabileceğini gösteriyor.

Çalışmanın merkezinde, UC Berkeley’de veri bilimci olan Adam Yala, PhD tarafından geliştirilen Mirai adlı model yer alıyor. UCSF radyoloğu Maggie Chung, MD ile birlikte yürütülen araştırmada Mirai, klasik yaklaşımın ötesine geçerek mamografi görüntülerinde insan gözünün fark etmekte zorlanabileceği örüntüleri analiz etti. Model, yüz binlerce mamografi ile bunlara bağlı bilinen kanser sonuçları kullanılarak eğitildi. Bu sayede algoritma, yalnızca tek bir taramadaki belirgin bulgulara değil, çok daha karmaşık ve ince işaretlere dayanarak risk değerlendirmesi yapabiliyor. Araştırmacılar, bu tür modellerin özellikle “normal görünümlü” ya da kesin olmayan taramalarda gözden kaçabilecek ipuçlarını yakalayabilmesinin, kişiye özel risk sınıflandırmasında yeni bir alan açtığını belirtiyor.

Yapay zekâ destekli bu triage yaklaşımı, pratikte tarama merkezlerinin işleyişini de değiştirmeyi hedefliyor. Abnormal bir mamografi sonucu alan bir hasta için en stresli aşamalardan biri, riskin gerçekten ne kadar ciddi olduğunu anlamak için beklemek zorunda kalmaktır. Yeni sistem, hangi hastaların daha hızlı ileri değerlendirmeye yönlendirilmesi gerektiğini belirleyerek bekleme süresini azaltmayı amaçlıyor. Araştırmanın ortaya koyduğu iş akışında, taramadan ileri görüntülemeye ve gerekirse biyopsi planlamasına kadar uzanan süreç bazı vakalarda tek bir gün içinde tamamlanabilecek şekilde yapılandırılabiliyor. Bu, özellikle agresif tümör şüphesi taşıyan ya da klinik olarak daha dikkatli izlenmesi gereken kadınlar için önemli bir avantaj anlamına gelebilir.

Modelin gerçek dünya performansı, Zuckerberg San Francisco General Hospital and Trauma Center’da yapılan klinik uygulamada test edildi. Burada 4.100’den fazla tarama mamografisi analiz edildi ve Mirai yaklaşık yüzde 12,7 oranında hastayı yüksek riskli olarak sınıflandırdı. Bu oran, yapay zekânın taranan popülasyon içinde dikkat edilmesi gereken daha küçük bir grubu hızlı biçimde seçebilme potansiyeline işaret ediyor. Ancak araştırma ekibi, bu tür sınıflandırmaların nihai klinik karar yerine destekleyici araç olarak düşünülmesi gerektiğinin altını çiziyor. Çünkü mamografi yorumunda radyoloğun uzmanlığı, hastanın klinik öyküsü ve ek test sonuçları hâlâ merkezi öneme sahip.

Meme kanseri taraması ve teşhisinde yapay zekâ kullanımı son yıllarda hızla ilerlese de, bu alan hâlâ dikkatli validasyon gerektiriyor. Bir algoritmanın yüksek doğrulukla risk tahmin etmesi, otomatik olarak her sağlık sistemine aynı şekilde uygulanabileceği anlamına gelmiyor. Görüntü kalitesi, farklı cihazlar, hasta demografisi, tarama programları ve klinik iş akışları sonuçları etkileyebiliyor. Bu nedenle UCSF ve UC Berkeley araştırmasının değeri, yalnızca teknik başarıda değil, aynı zamanda modelin gerçek hastane ortamında denenmiş olmasında yatıyor. Klinik uygulama verileri, laboratuvar düzeyinde umut veren bir aracın sahada nasıl çalışabileceğine dair daha somut ipuçları sunuyor.

Bu çalışma aynı zamanda “kişiselleştirilmiş tıp” kavramının meme kanseri taramasında nasıl yeniden tanımlanabileceğini de gösteriyor. Geleneksel tarama programları çoğunlukla yaş ve genel risk faktörleri üzerine kurulu iken, Mirai gibi modeller bireysel görüntü örüntülerinden yola çıkarak daha ayrıntılı risk profili oluşturmayı hedefliyor. Böylece bazı kadınlar gereksiz uzun bekleme sürelerinden kurtulurken, gerçekten daha yakından izlenmesi gereken hastalar daha erken saptanabiliyor. Erken tanı, meme kanserinde tedavi seçeneklerini genişletebildiği için bu tür yönlendirme sistemleri özellikle önem taşıyor. Yine de uzmanlar, yapay zekânın tarama eşiklerini belirlerken aşırı güvene yol açmaması gerektiğini; yanlış pozitif veya yanlış negatif sonuçların klinik sonuçlar doğurabileceğini hatırlatıyor.

Nature Digital Medicine dergisinde 19 Mayıs’ta yayımlanan çalışma, meme kanseri teşhisinde yapay zekânın rolünün sadece görüntü okumakla sınırlı olmadığını, aynı zamanda hasta akışını düzenleyen bir klinik araç haline gelebileceğini ortaya koyuyor. Bu tür sistemler yaygınlaştıkça, sağlık hizmetlerinde hız, kaynak kullanımı ve hasta deneyimi açısından önemli değişiklikler gündeme gelebilir. Bununla birlikte, geniş ölçekli kullanım öncesinde farklı merkezlerde daha fazla doğrulama yapılması, algoritmaların adil ve güvenilir çalıştığının gösterilmesi ve klinisyenlerin karar sürecinde belirleyici rolünü koruması gerekiyor. Şimdilik Mirai’nin gösterdiği şey, yapay zekânın meme kanseri taramasında erken uyarı sistemini güçlendirebileceği ve özellikle yüksek riskli kadınlar için tanısal yolculuğu anlamlı biçimde kısaltabileceği yönünde güçlü bir kanıt sunması.