Yapay Zeka Görüntülerden Erken Kanseri Tespit Ediyor

YZ’nin görüntülerden kanseri nasıl erken tespit ettiğini öğrenmek ister misiniz? Bu makalede INVIAI ile daha fazla detaya birlikte göz atalım!

Kanserin erken teşhisi hayatta kalma oranını büyük ölçüde artırır. Yapay zeka (YZ) artık doktorların tıbbi görüntülerde tümörleri daha erken ve daha doğru şekilde tespit etmelerine yardımcı oluyor.

Binlerce etiketlenmiş tarama ve slayt üzerinde derin öğrenme modelleri eğitilerek, YZ uzman klinisyenlerin bile fark edemeyebileceği kalıpları öğrenebiliyor.

Pratikte, YZ araçları mamogramlar, göğüs BT’leri, röntgenler, MR’lar, ultrason ve patoloji slaytları gibi görüntüleri analiz ederek şüpheli alanları işaretler ve riskleri sayısal olarak değerlendirir.

Örneğin, YZ destekli bir ultrason, bir hastanın gereksiz tiroid biyopsisinden kaçınmasını sağladı; çünkü kitle iyi huylu olarak gösterildi.

Uzmanlar, kanser bakımında YZ’nin tanı ve tedaviyi geliştirmek için “benzeri görülmemiş bir fırsat” olduğunu söylüyor.

YZ Tıbbi Görüntüleri Nasıl Analiz Eder

Görüntüleme için YZ sistemleri genellikle derin öğrenme (özellikle konvolüsyonel sinir ağları) kullanır ve geniş veri setleri üzerinde eğitilir. Eğitim sırasında algoritma, kanserli dokuyu sağlıklı dokudan ayıran şekiller, dokular, renkler gibi özellikleri öğrenir.

Eğitildikten sonra YZ modeli yeni görüntüleri tarar ve öğrenilen kanser özellikleriyle eşleşen kalıpları vurgular.

Bu şekilde YZ, insanın gözden kaçırabileceği ince lezyonları gösteren süper hassas bir “ikinci okuyucu” olur. Örneğin, bir mamogram veya BT dilimini inceleyen YZ, küçük kalsifikasyonları veya nodülleri renkli kutular ve uyarılarla radyoloğun dikkatine sunabilir.

YZ analizleri ayrıca risk tahmini de yapabilir: bazı algoritmalar, tek bir görüntüden hastanın gelecekteki kanser riskini (öğrenilen korelasyonları kullanarak) tahmin eder ve doktorların tarama aralıklarını kişiselleştirmesine olanak tanır.

Bir vakada, hastanın YZ ile analiz edilen tiroid ultrasonu, biyopsi sonuçlarıyla uyumlu olarak iyi huylu dokuyu kesin olarak tanımladı ve hastanın ekstra endişe yaşamasını önledi.

Meme Kanseri Tarama

Mamografi, YZ’nin etkisini gösterdiği önemli bir örnektir. Araştırmalar, YZ desteğinin meme kanseri tespitini taramalarda önemli ölçüde artırabileceğini gösteriyor.

Büyük bir Alman çalışmasında, YZ destekli radyologlar, YZ olmadan yapılan taramalara göre %17,6 daha fazla kanser tespit etti.

Özellikle, YZ destekli grup 1.000 kadında 6,7 kanser tespit ederken, standart grupta bu sayı 5,7 idi ve geri çağırma oranı (yanlış alarmlar) hafifçe azaldı.

Genel olarak, mamografide YZ şunları yapabilir:

• Duyarlılık ve özgüllüğü artırmak. NCI destekli araştırmalar, YZ görüntü algoritmalarının “mamografide meme kanseri tespitini geliştirdiğini” ve ayrıca hangi lezyonların ileride invaziv hale geleceğini tahmin etmeye yardımcı olabileceğini bildiriyor.
• İnce bulguları tanımlamak. YZ, rutin taramalarda kolayca gözden kaçabilecek mikro kalsifikasyon kümeleri veya asimetrileri işaretleyerek ekstra bir uzman okuyucu gibi davranabilir.
• İş yükünü ve değişkenliği azaltmak. Görüntüleri ön tarayarak, YZ şüpheli vakaları radyologlar için önceliklendirerek artan mamografi hacimleriyle başa çıkmaya yardımcı olur.

Önemle belirtmek gerekir ki, FDA klinik kullanım için birkaç YZ destekli mamografi aracını (örneğin iCAD, DeepHealth’in SmartMammo’su) onaylamış ve gerçek dünyada kanserleri erken tespit etme yeteneklerini kabul etmiştir.

Akciğer Kanseri Tarama

YZ, tıbbi görüntülerde akciğer kanseri tespitinde de kullanılmaktadır. Düşük doz BT (LDCT) taramaları yüksek riskli sigara içenleri taramak için kullanılır; YZ, görüntü kalitesini ve lezyon tespitini iyileştirerek bunu destekleyebilir.

Bir avantajı radyasyon dozunun azaltılmasıdır: YZ tabanlı görüntü yeniden yapılandırma algoritmaları, mevcut LDCT taramalarından daha az radyasyonla net BT görüntüleri üretebilir.

Ayrıca, YZ tabanlı bilgisayar destekli tespit (CAD) sistemleri her BT dilimini otomatik olarak nodüller için tarar. Potansiyel bir nodül bulunduğunda, YZ bunu doktorun incelemesi için görüntü üzerinde işaretler.

Kısacası, YZ akciğer görüntülerinde hassas bir ikinci okuyucu olarak çalışabilir.

Örneğin, son modeller hem iyi huylu hem de kötü huylu akciğer nodülleri için yüksek duyarlılık gösteriyor (araştırma sistemleri test taramalarında nodüllerin %90’ından fazlasını tespit ediyor). ABD FDA, erken tanıdaki rollerini kabul ederek akciğer kanseri taramasına yardımcı YZ araçlarını onayladı.

YZ ayrıca taramayı kişiselleştirmeye de yardımcı olabilir: görüntüleme ile hasta verilerini birleştirerek, algoritmalar kimlerin daha sık taranması gerektiğini belirleyebilir.

(Ancak mevcut CAD çalışmaları, YZ’nin toplam nodül sayısını artırsa da, artışın çoğunun küçük, düşük riskli nodüllerde olduğunu ve ileri lezyonların tespitini önemli ölçüde artırmadığını gösteriyor.)

Cilt Kanseri (Melanom)

Dermoskopik görüntüleme (büyütülmüş cilt fotoğrafları), YZ’nin öne çıktığı bir diğer alandır. On binlerce cilt lezyonu görüntüsü üzerinde eğitilmiş son teknoloji derin öğrenme modelleri, benleri iyi veya kötü huylu olarak yüksek doğrulukla sınıflandırabilir.

Yakın zamanda yapılan bir çalışmada, geliştirilmiş bir sinir ağı dermoskopi görüntülerinden erken evre melanomu %95–96 doğrulukla tanımladı.

Bu önemlidir: erken evre melanomun prognozu mükemmeldir (yaklaşık %98 5 yıllık sağkalım), oysa ileri evre melanomda sağkalım çok daha düşüktür.

Şüpheli benleri biyopsi için işaretleyerek, YZ dermatologların melanomu daha erken teşhis etmesine yardımcı olabilir.

YZ araçları, fotoğraflanan benin riskini değerlendiren telefon uygulamaları veya cihazlar olarak da paketlenmekte, böylece erken tespit birinci basamak sağlık hizmetlerine kadar genişleyebilir.

Rahim Ağzı Kanseri Tarama

YZ, rahim ağzı kanseri taramasını dijital rahim ağzı görüntülerini analiz ederek geliştiriyor. Örneğin, CerviCARE sistemi, “servikografi” fotoğraflarında (kolposkopi benzeri görüntüler) derin öğrenme kullanarak precanceröz lezyonları ayırt ediyor.

Çok merkezli bir çalışmada, CerviCARE YZ yüksek dereceli rahim ağzı lezyonları (CIN2+) için %98 duyarlılık ve %95,5 özgüllük sağladı.

Pratikte, bu tür YZ uzman kolposkopistlerin az olduğu yerlerde yardımcı olabilir: algoritma otomatik olarak endişe verici alanları vurgular ve precanceröz dokunun gözden kaçmamasını sağlar.

Bu tür YZ, geleneksel Pap smear ve HPV testleriyle birlikte hastalığı erken yakalamaya destek olur.

NCI ayrıca rahim ağzı taramasında precancer tespitini otomatikleştirmek için YZ araştırmalarına dikkat çekmektedir.

Kolon ve Rektum Kanseri Tarama

Kolonoskopi sırasında YZ gerçek zamanlı destek sağlar. Modern sistemler kolonoskopiden gelen video akışını sürekli analiz eder. Kamera bir polip veya şüpheli doku görüntülediğinde, YZ bunu ekranda renkli bir kutu ve sesli uyarı ile vurgular ve doktorun dikkatini çeker.

YZ destekli kolonoskopi: sistem doktorun çıkarabileceği “düz” bir polipi (mavi ile vurgulanmış) tanımladı.

Araştırmalar, kolonoskopide YZ kullanımının toplam polip tespit sayısını, özellikle küçük adenomları artırdığını gösteriyor. Bu, YZ’nin doktorların gözden kaçırabileceği erken büyümeleri yakalamasına yardımcı olduğu anlamına gelir.

Büyük bir çalışmada (CADILLAC çalışması), YZ desteğiyle adenoma tespiti genel olarak arttı. Ancak uzmanlar, artışın çoğunun küçük, düşük riskli poliplerde olduğunu ve YZ eklemenin büyük, yüksek riskli adenomların tespitini anlamlı şekilde artırmadığını belirtiyor.

Başka bir deyişle, YZ birçok küçük lezyonu işaretlemede mükemmeldir, ancak en tehlikeli precancerların bulunmasını iyileştirip iyileştirmediği hâlâ incelenmektedir.

Yine de, YZ “ikinci göz” yorgunluğa bağlı atlamaları azaltabilir ve doktorlar arasındaki değişkenliği düşürebilir. FDA, polip tespitinde endoskopistlere yardımcı olmak için klinik kolonoskopide YZ sistemlerini (CADe) onaylamıştır.

Patoloji ve Diğer Görüntülemede YZ

YZ’nin etkisi canlı görüntülemenin ötesine geçerek patoloji ve özel taramalara da uzanıyor. Dijital patoloji slaytları (doku biyopsilerinin yüksek çözünürlüklü taramaları) YZ algoritmaları tarafından okunuyor.

Örneğin, CHIEF adlı yeni bir YZ, 19 kanser türü üzerinde 60.000’den fazla tam slayt görüntüsüyle eğitildi.

Slaytta kanser hücrelerini otomatik olarak tespit eder ve görsel özelliklerden tümörün moleküler profilini bile tahmin eder. Testlerde, CHIEF çoklu organlarda görülmemiş slaytlarda kanser tespitinde yaklaşık %94 doğruluk sağladı.

Benzer şekilde, FDA prostat biyopsi örneklerinde kanser bölgelerini vurgulayan YZ yazılımlarını onayladı; bu, patologların kritik alanlara odaklanmasına yardımcı oluyor. YZ araçları beyin tümörü MR yorumlama ve tiroid nodülü ultrasonu gibi alanlarda da onay aldı.

Kısacası, YZ çok yönlü bir asistan haline geliyor: MR/BT taramalarından röntgenlere, mikroskop slaytlarına kadar dikkat gerektiren anormallikleri işaretliyor.

Erken Tespitte YZ’nin Faydaları

Farklı uygulamalarda YZ, kanseri erken yakalamada birkaç önemli avantaj sunar:

• Daha Yüksek Duyarlılık: YZ çok ince işaretleri tespit edebilir. Meme taramasında, YZ geriye dönük olarak önceki mamogramlara uygulandığında, aradaki kanserlerin (ilk okumada kaçan tümörler) yaklaşık %20–40’ını yakaladı.
  Bu, YZ’nin insan okuyuculardan daha erken kanserleri ortaya çıkarabileceği anlamına gelir.
• Doğruluk ve Verimlilik: Araştırmalar, YZ destekli okumaların daha az yanlış negatif ve bazen daha düşük yanlış pozitif sonuçlar verdiğini gösteriyor.
  Örneğin, Almanya’daki bir çalışmada YZ destekli mamografi, biyopsi pozitiflik oranını (yani biyopsi başına kanser sayısını) artırdı.
• YZ, insanlardan daha hızlı görüntü işleyerek tarama programlarının artan iş yükünü kaliteyi düşürmeden yönetmesini sağlar.
• Tutarlı Kalite: İnsanların aksine YZ yorulmaz veya dikkat dağınıklığı nedeniyle gözden kaçırmaz.
  Vakalar arasında tutarlı analiz sunar, bu da radyologlar arasındaki değişkenliği azaltabilir.
• Gereksiz İşlemleri Önleme: İyi huylu ve kötü huylu lezyonları daha doğru ayırt ederek hastaların gereksiz testlerden kaçınmasını sağlar.
  Tiroid örneğinde YZ, biyopsi olmadan kanseri güvenle dışladı.
• Dermatolojide YZ uygulamaları, hastaları iyi huylu benler konusunda rahatlatabilir.
  Genel amaç, gerçekten müdahale gerektirenleri bulup aşırı tedaviden kaçınan hassas taramadır.
• Küresel Erişim: Uzman sayısının az olduğu bölgelerde YZ araçları, uzman seviyesinde taramayı uzak kliniklere kadar genişletebilir.
  Örneğin, YZ destekli bir kolposkop, düşük kaynaklı alanlarda hemşirelerin rahim ağzı kanseri taraması yapmasına yardımcı olabilir.

“YZ destekli yaklaşımlar, klinisyenlerin kanserleri etkin ve doğru değerlendirme yeteneğini artırabilir.” Birçok çalışmada, YZ ile doktor uzmanlığının birleşimi, tek başına her birinden daha iyi sonuç veriyor; tıpkı bilgili bir meslektaşa danışmak gibi.

Zorluklar ve Dikkat Edilmesi Gerekenler

YZ’nin bazı zorlukları da vardır. Sınırlı veya çeşitlilik içermeyen verilerle eğitilen modeller, tüm hastalar için eşit derecede iyi çalışmayabilir. Örneğin, YZ cilt lezyonu tespitçileri, önyargıyı önlemek için farklı cilt tonlarında eğitilmelidir.

Dermoskopik YZ araçları, görüntülerdeki saçlar veya kötü aydınlatma gibi artefaktlar ve az temsil edilen lezyon tiplerinde performans boşlukları olduğunu bildirmiştir.

Taramada daha fazla tespit, daha fazla yanlış alarma da yol açabilir: YZ kolonoskopisi birçok küçük polipi işaretledi, bunların bazıları kanserleşmeyebilir.

Her küçük lezyonun çıkarılması kendi risklerini taşır (küçük kanama veya perforasyon ihtimali). Bu nedenle klinisyenler, aşırı tanıdan kaçınmak için YZ’nin duyarlılığı ile özgüllüğünü dengede tutmalıdır.

YZ’nin klinik iş akışlarına entegrasyonu kolay değildir. Hastanelerin onaylı, FDA onaylı yazılımlara ve personel eğitimi ihtiyacı vardır. Ayrıca, YZ’nin kanseri kaçırması durumunda sorumluluğun kimde olduğu konusunda düzenleyici ve hukuki sorular vardır.

Birçok araştırmacı YZ’nin bir araç olduğunu, yerine geçmediğini vurgular; bir radyologun dediği gibi, YZ kullanmak “zeki bir meslektaştan görüş almak gibidir”. Süregelen çalışmalar ve piyasa sonrası incelemeler, bu araçların gerçekten sonuçları iyileştirdiğinden emin olmak için gereklidir.

Gelecek Yönelimler

Kanser tespitinde YZ’nin geleceği umut vericidir. Araştırmacılar, birçok görevi aynı anda yapabilen “temel modeller” (devasa veri setlerinde eğitilmiş büyük YZ) geliştiriyor. Harvard’ın CHIEF’i buna bir örnektir: milyonlarca görüntü parçası üzerinde “patoloji için ChatGPT” gibi eğitildi ve birçok kanser türünde çalışıyor.

Benzer yaklaşımlar yakında görüntülemeyi genetik ve klinik verilerle birleştirerek ultra kişiselleştirilmiş tarama sağlayabilir. Çok modlu YZ, sadece kanserin varlığını değil, agresifliğini de tahmin ederek takip yoğunluğunu yönlendirebilir.

YZ performansı yeni tekniklerle hızla gelişiyor. Yeni nesil CAD sistemleri, gelişmiş sinir ağı mimarileri ve büyük dil modelleri kullanarak görüntüleri yorumluyor. Akciğer kanserinde, uzmanlar eski YZ sistemlerinin bugünkü modellere kıyasla “ilkel” olduğunu ve yeni versiyonların çok daha iyi olmasını bekliyor.

Avrupa ve ABD’de çok merkezli çalışmalar gibi uluslararası araştırmalar, YZ araçlarını geniş ölçekte doğrulamaya devam ediyor. Veri arttıkça YZ gerçek dünya sonuçlarından öğrenerek doğruluğunu sürekli geliştirecek.

Özetle, YZ mamogramlardan BT taramalarına, cilt fotoğraflarından biyopsi slaytlarına kadar tıbbi görüntülerden kanserleri daha erken tespit etmede doktorlara yardımcı oluyor. Zorluklar devam etse de, öncü araştırmalar ve düzenleyici onaylar, YZ’nin kanser taramasında standart bir yardımcı olacağı bir geleceği işaret ediyor.

Tedavinin en etkili olduğu en erken evrelerde tümörleri yakalayarak, bu teknolojiler dünya çapında birçok hastanın sonuçlarını iyileştirebilir.