Cilt Kanserinin Daha Erken Teşhisine Olanak Sağlayan Yeni Sistem

Yapılan araştırmalar melanomun, yalnızca 2019'da Amerika Birleşik Devletleri'nde 7.000'den fazla insanı öldüren cilt kanserinin açık ara en ölümcül şekli olduğu göstermiştir. Hastalığın erken teşhisi, ölüm riskini ve tedavi maliyetlerini önemli ölçüde azaltmasına karşın yaygın melanom taraması şu anda uygulanabilir görünmemektedir. ABD'de yaklaşık 12.000 pratik dermatolog bulunmakla birlikte bilim insanları bunların her birinin, kansere işaret edebilecek şüpheli pigmente lezyonları (SPL'ler) ve tüm popülasyonu taramsı için yılda 27.416 hastayı görmesi gerekeceğine dikkat çekmişlerdir. Bilgisayar destekli tanı (CAD) sistemleri, deri lezyonlarının görüntülerini analiz ederek ve SPL'leri otomatik olarak tanımlayarak bu sorunu çözmeye çalışmak için son yıllarda geliştirilmiş, ancak şu ana kadar melanom teşhisini anlamlı bir şekilde etkilemede başarısız olmuştur. Bu CAD algoritmaları, her deri lezyonunu şüpheli özellikler açısından ayrı ayrı değerlendirmek üzere eğitilmesine karşın dermatologlar, kanserli olup olmadıklarını belirlemek için tek bir hastadan alınan birden fazla lezyonu karşılaştırmaktadır. Araştırmacılar bunun genellikle çirkin ördek yavrusu kriteri olarak adlandırılan bir yöntem olduğunu belirtmişlerdir. Bu yöntem çok başarı getirmeyecekmiş gibi görünen ama çoğu zaman da büyük bir potansiyele sahip olan durumlarda kullanılan bir terimdir. Bugüne kadar dermatolojide bu tanı sürecini kopyalamak için hiçbir CAD sistemi tasarlanmamıştır.

Şimdi, bu gözetim, Harvard Üniversitesi Wyss Institute for Biologically Inspired Engineering ve Massachusetts Institute of Technology (MIT) araştırmacıları tarafından geliştirilen, evrişimsel derin sinir ağlarına (CDNN'ler) dayalı deri lezyonları için yeni bir CAD sistemi sayesinde düzeltilmiştir. Yeni sistem, SPL'leri, hastaların cildinin fotoğraflarındaki şüpheli olmayan lezyonlardan ~%90 doğrulukla başarılı bir şekilde ayırmış olmakla birlikte ilk kez, üç dermatoloğun görüş birliğini %88 oranında karşılayabilen bir çirkin ördek yavrusu ölçütü oluşturmuştur. Çalışmanın ilk yazarı, aynı zamanda MIT'de Venture Builder olan Wyss Enstitüsü'nde Doktora Sonrası Araştırmacı olan Luis Soenksen, aslında, bir dermatoloğun bir deri lezyonunun daha yakından incelemeyi gerektirecek kadar şüpheli olup olmadığını belirlerken dayandığı derin sezgiye iyi tanımlanmış bir matematiksel vekil sağladıklarını ifade etmiştir. Soenksen, bu yeniliğin, bir dermatolog tarafından değerlendirilmesi gereken lezyonları belirlemek için hastaların cilt fotoğraflarının hızlı bir şekilde analiz edilmesini sağlayarak popülasyon düzeyinde melanom için etkili taramaya izin verdiğini belirtmiştir.

Bilgisayar destekli tanı sistemlerinin lezyonları

Melanoma, birkaç yakın arkadaşının ve aile üyesinin hastalıktan muzdarip olduğunu izleyen Soenksen için kişisel bir hastalıktır. Soenksen, insanların melanomdan ölebilmesinin onu şaşırttığını çünkü birinci basamak doktorları ve hastalarının şu anda garip olanları verimli bir şekilde bulacak araçlara sahip olmadığını belirtmiştir. Ayrıca Soenksen, Wyss ve MIT'deki yapay zeka çalışmalarından öğrendiği birçok tekniği kullanarak şapka problemini üstlenmeye karar verdiğini sözlerine eklemiştir. Soenksen ve meslektaşları, SPL'leri tanımlamak için oluşturulan tüm mevcut CAD sistemlerinin lezyonları yalnızca ayrı ayrı analiz ettiğini ve dermatologların bir muayene sırasında bir hastanın birkaç benini karşılaştırmak için kullandıkları çirkin ördek yavrusu kriterlerini tamamen atladığını keşfetmişler ve böylece kendi başlarına inşa etmeye karar vermişlerdir. Ekip, böyle bir teknolojinin maksimum fayda için mümkün olduğunca çok kişiye sunulması gerektiğini kabul ederek, algoritmalarını GitHub'da açık kaynaklı hale getirmiştir. Araştırmacılar sistemlerinin etkinliğini daha da gösteren klinik denemeler başlatmak için tıp merkezleriyle ve bunu dünyanın her yerindeki birinci basamak sağlık hizmeti sağlayıcıları tarafından kullanılabilecek bir ürüne dönüştürmek için endüstri ile ortaklık yapmayı umut ettiklerini belirtmişlerdir. Ayrıca, evrensel olarak yararlı olabilmek için, algoritmalarının, gelecekteki gelişmelere dahil etmeyi planladıkları insan cilt tonlarının tüm yelpazesinde eşit derecede iyi işleyebilmesi gerektiğini de kabul ettiklerini bildirmişlerdir.