Yapay Zeka ile Aralıklı Meme Kanserlerinin Erken ve Kesin Teşhisi

ABD’de yapılan yeni bir çalışma, yapay zekanın meme kanseri taramasında devrim yaratma potansiyelini ortaya koydu. UCLA Sağlık Jonsson Kapsamlı Kanser Merkezi liderliğindeki araştırma, özellikle zor tespit edilen “interval kanserler” olarak adlandırılan ve rutin mamografi taramaları arasında ortaya çıkan meme kanserlerinin erken teşhisinde yapay zekanın kullanımını inceledi. Yapay zeka, insan gözünün kaçırabileceği ince işaretleri tanıma yeteneği sayesinde bu tür kanserlerin daha erken aşamalarda fark edilmesini sağlayabilir. Böylece tedavi süreçlerinde iyileşme ve hastaların yaşam kalitesinde artış hedefleniyor.

Interval kanserler, rutin mamografi taraması negatif çıktıktan sonra bir sonraki tarama arasındaki dönemde ortaya çıkan ve sıklıkla daha agresif seyreden tümörler olarak bilinir. Bu kanserlerin tanısı ve erken tespiti, radyologlar için oldukça zorludur. Çünkü bu tür tümörler ya ilk mamografide çok belirsiz ve sönük bulgular gösterir ya da hiçbir belirgin işaret göstermezler. Bu nedenle, birçok vakada kanser ancak hastalık ilerledikten sonra teşhis edilir ki bu da tedavi başarısını olumsuz etkiler. Yapay zeka destekli yöntemlerin önemi tam burada ortaya çıkıyor.

Araştırmada 2010 ve 2019 yılları arasında ABD’de yapılan yaklaşık 185.000 mamografi görüntüsü değerlendirildi. Çalışmaya dijital mamografi (DM) ve daha yenilikçi bir yöntem olan dijital meme tomosentezi (DBT) – halk arasında 3D mamografi olarak bilinen – dâhil edildi. ABD’de çoğunlukla yıllık ve 3D mammografi uygulandığı dikkate alındığında, bu çalışma ülkenin özgün klinik ortamında yapay zekanın etkinliğinin anlaşılması açısından kritik önem taşıyor. Avrupa ülkelerinde ise genellikle 2D mamografi ve 2-3 yıllık tarama aralıkları tercih edilmekte, dolayısıyla çalışma ABD’ye özgü bir boşluğu dolduruyor.

Çalışmada, Transpara isimli ticarî olarak sunulan bir yapay zeka yazılımı kullanıldı. Bu program, mamografileri analiz ederek 1 ile 10 arasında risk puanları atıyor. 8 ve üzeri skorlar, kanser varlığını işaret eden “şüpheli” olarak değerlendirildi ve daha detaylı radyolojik inceleme önerildi. Araştırmacılar, daha önce kanser tanısı koyulan hastaların ilk taramalarını geriye dönük olarak yapay zeka yardımıyla tekrar değerlendirdi ve sönük ya da gözden kaçan bulguları tespit etmeye çalıştı.

Elde edilen sonuçlar oldukça umut verici oldu. Yapay zeka, ilk seferde kanser olmadığı düşünülen ancak daha sonra interval kanser olarak teşhis edilen mamografilerin %76’sını doğru şekilde “şüpheli” olarak sınıflandırdı. Bu oran, yapay zekanın deneyimli radyologların gözünden kaçan lezyonları yakalamada önemli yardımcı olabileceğini gösteriyor. Özellikle “kaçırılan okuma hatası” olarak adlandırılan vakalarda yapay zeka %90 oranında başarılı oldu, yani varlığı mamogramda açıkça görülen ama gözden kaçan kanserlerin büyük çoğunluğunu fark etti.

Ayrıca “minimal işaretler” olarak tanımlanan, tespit edilmesi sınırda olan ancak klinik müdahaleye yol açabilecek hafif anormalliklere sahip kanserlerde de yapay zeka başarılıydı. Bu tür vakaların %89’u etkili biçimde işaretlendi. Daha az belirgin ve müdahale gerektirmeyebilecek minimal işaretler taşıyan kanserlerde ise %72 başarı oranı elde edildi. Bu veriler, yapay zekanın hafif ve zor fark edilen görüntü anormalliklerini bile anlamlandırabilme kapasitesini ortaya koyuyor.

İlginç bir diğer bulgu yapay zekanın “occult” yani geç fark edilen ve mamografide görünmeyen kanserlerdeki başarısıydı. Bu tür kanserler, doğası gereği görüntüleme yöntemlerinde tespit edilemez olarak kabul edilir. Ancak yapay zeka %69 oranında bu vakaları da işaretleyebildi. Bu, makine öğrenme algoritmalarının insan gözünden gizli kalan fakat ima edilen görüntüsel özellikleri tanıyabileceği teorisini destekliyor. Fakat yapay zeka, tam anlamıyla tarama arası dönemde yeni gelişen “gerçek interval kanserlerde” daha zayıf kalıyor ve sadece %50 başarıyla işaretleyebiliyor.

Bununla birlikte araştırmanın yazarları, yapay zekanın mükemmel bir çözüm olmadığını ve bazı önemli kısıtlamalarının bulunduğunu belirtiyor. Örneğin, yapay zeka gizli kanser (occult) vakaları %69 oranında işaretlese de, bu tüm vakalardaki kanser lezyonlarının sadece %22’sine tam olarak lokalize olabildi. Bu durum, yapay zekanın kanser varlığını şüpheli olarak görüp, kesin lezyon yerini tespit etmede zorlandığını gösteriyor. Klinik uygulamada kesin lokalizasyonun önemi göz önüne alındığında, algoritmanın bu alandaki gelişimi büyük önem taşıyor.

Çalışma ayrıca yapay zekanın rutin meme kanseri tarama süreçlerine entegre edilmesinin radyologların sonuçlarını nasıl etkileyeceği ve hastaların klinik sonuçları üzerindeki etkisinin araştırılması gerektiğini vurguluyor. AI’nın yol açabileceği yanlış pozitif sonuçlar ve insan gözünden fark edilemeyen ancak klinik önemi tartışmalı olduğu için gereksiz endişeye veya müdahaleye neden olabilecek uyarılar gibi meseleler, gelecekte çözüm bekleyen önemli zorluklar arasında yer alıyor. Bu durum, insan-makine iş birliği ve karar algoritmalarının dikkatle tasarlanmasını zorunlu kılıyor.

UCLA’dan Dr. Tiffany Yu, yapay zekanın özellikle tespiti zor olan kanserlerde “ikinci göz” olarak büyük umut vadettiğini ancak radyologların bilgeliğiyle tamamlandığında değerli sonuçlar vereceğini belirtiyor. Yapay zekanın kullanımıyla interval kanserlerin profilinde değişiklikler yaşanabileceğini, böylece kesinlikle görüntüleme ile görülemeyen gerçek interval kanserlerin sayısının artabileceğini ve böylece daha erken teşhisle hayatların kurtarılabileceğini ifade ediyor. Dr. Yu’nun açıklamaları, teknolojinin klinikte başarısının, uzman yorumlarıyla dengelenmesi gerektiğini anlamamıza yardımcı oluyor.

Çalışmanın yürütücülerinden Dr. Hannah Milch ise yapay zekanın klinik pratikte mükemmel olmadığını ama interval kanser tespiti konusunda dikkate değer bir duyarlılık gösterdiğini vurguluyor. AI teknolojisinin tarama protokollerinde büyük değişikliklere yol açma potansiyeli taşıdığı ancak algoritmaların geliştirilmesi, lezyon lokalizasyonunun iyileştirilmesi ve insan-makine iş birliği için uygun çalışma biçimlerinin araştırılması gerektiğinin altını çiziyor. Bu görüşler, gelecekte yapılacak araştırmaların odak noktalarını ortaya koyuyor.

Bu çalışma, ABD klinik pratik ve sağlık sistemi özelinde interval kanserlerin yapay zeka ile tespiti konusunda kapsamlı bir değerlendirme yapan ilk araştırmalardan biri olarak öne çıkıyor. Avrupa’da farklı protokoller uygulandığından dolayı oradaki sonuçlarla kıyaslandığında, ABD için değeri oldukça yüksek. Bu tür veriler yapay zekanın kullanımı için özel stratejiler geliştirmeye ve etkili sağlık uygulamalarına yön vermeye temel oluşturacak. Böylece meme kanseri taramasında erken teşhis oranları hem Amerika’da hem de benzer sistemlerde artabilir.

Araştırma, Ulusal Sağlık Enstitüleri (NIH) ve Ulusal Kanser Enstitüsü (NCI) gibi önemli kurumların destekleriyle gerçekleştirildi. Elde edilen başarılar, yapay zeka sistemlerinin büyüyen karmaşıklığı ile birlikte meme kanseri erken teşhisinde devrim yaratma potansiyeline işaret ediyor. Özellikle agresif interval kanserlerin önceden fark edilmesiyle, ölüm oranlarında düşüş ve tedavi etkinliğinde artış sağlanması bekleniyor. Ancak proaktif klinik uygulamalar geliştirilmeden önce bu bulguların ileri çalışmalarla doğrulanması gerekmektedir.

Sonuç olarak, yapay zeka meme kanseri tanısında tek başına bir çözüm olmayabilir ancak mevcut screening protokollerine katma değer sağlayacak güçlü bir yardımcı araç olarak görülüyor. UCLA öncülüğünde yürütülen bu araştırma, gözden kaçan interval meme kanserlerinin yapay zeka yardımıyla belirlenebileceğini ve tarama sistemlerinin gelişmesinde önemli bir rol oynayabileceğini gösteriyor. Gelecekte yapılacak çalışmalar, AI’nın doğruluğunu artıracak, klinik entegrasyonu optimize edecek ve hastaların yaşam kalitesini iyileştirecek uygulama standartlarını belirleyecek.

—

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 kanser, mamografi, yapay zeka, dijital meme tomosentezi, kanser taraması, makine öğrenimi, radyoloji, erken teşhis