Meme Kanseri Taramasında Yapay Zekâ Kullanımı

Meme kanseri, kadınlarda kanserden ölümün ikinci önde gelen nedenidir, ancak erken teşhis ve tedavi, sonuçları önemli ölçüde iyileştirebilir. Bu duruma bağlı olarak, birçok gelişmiş ülke büyük ölçekli mamografi tarama programları uygulamıştır.

Başlıca tıp ve hükümet kuruluşları 40 ila 50 yaşları arasındaki tüm kadınlar için tarama yapılmasını önermektedir. ABD ve Birleşik Krallık'ta her yıl 42 milyondan fazla tarama yapılmaktadır. Mamografinin yaygın olarak benimsenmesine rağmen, bu görüntülerin yorumlanması hala zordur. Kanser saptamada uzmanlar tarafından elde edilen doğruluk oranı büyük ölçüde değişiklik gösterir ve en iyi doktorların bile performansı bazı durumlarda yetersiz kalabilir. Yanlış pozitifler; hasta kaygısı, gereksiz takip ve invaziv tanı prosedürlerine yol açabilir. Tarama sırasında gözden kaçırılan kanserler, daha gelişmiş ve tedaviye daha az yanıt verecek duruma gelene kadar tanımlanamayabilir.

Mamogramların Taranması ile Kanser Tespitinde Yapay Zeka

Yapay zekâ, yukarıda bahsedilen zorluklara yardımcı olmak için benzersiz bir şekilde hazırlanabilir. Çalışmalar, yapay zekânın tıbbi görüntü analizinin çeşitli görevlerinde insan uzmanların performansını karşıladığını veya aştığını göstermiştir. Mamografi uzmanlarının eksikliği, dünya çapında meme tarama hizmetlerinin kullanılabilirliğini ve yeterliliğini tehdit ettiğinden, yapay zekânın ölçeklendirilebilirliği herkes için yüksek kaliteli bakıma erişimi artırabilir.

Mamografi taraması, tedavinin daha başarılı olabileceği hastalığın erken evrelerinde meme kanserini tanımlamayı amaçlamaktadır. Dünya çapında tarama programlarının varlığına rağmen, mamogramların yorumlanması yüksek oranda yanlış pozitif ve yanlış negatiflerden etkilenmektedir. Burada, meme kanseri tahmininde insan uzmanları aşabilecek bir yapay zekâ (AI) sistemi sunulmuştur. Araştırmacılar klinik ortamdaki performansını değerlendirmek için İngiltere'den büyük bir temsili veri kümesini ve ABD'den büyük bir zenginleştirilmiş veri kümesini seçtiler. Yanlış pozitiflerde %5,7 ve %1,2 (ABD ve İngiltere) ve yanlış negatiflerde %9,4 ve %2,7 oranında mutlak bir azalma olduğunu gösterdiler. Sistemin İngiltere'den ABD'ye genellenebilirliğinin kanıtını sundular. Altı radyologdan oluşan bağımsız bir çalışmada, yapay zeka sistemi tüm insan okuyuculardan daha iyi performans gösterdi: yapay zeka sistemi için alıcı çalışma karakteristik eğrisinin (AUC-ROC) altındaki alan, mutlak bir farkla ortalama bir radyolog için olan AUC-ROC oranından %11.5 daha büyüktü.

Araştırmacılar, yapay zeka sisteminin İngiltere'de kullanılan çift okuma işlemine katıldığı bir simülasyon çalıştırdılar ve yapay zeka sisteminin düşük performans göstermediğini ve ikinci okuyucunun iş yükünü %88 oranında azalttığını gördüler. Yapay zekasisteminin bu güçlü değerlendirmesi, meme kanseri taramasının doğruluğunu ve verimliliğini artırmak için klinik çalışmaların yolunu açmaktadır.