Yapay zekanın meme kanseri taramasında kullanılması

YAPAY ZEKÂNIN MEME KANSERİ TARAMASINDA KULLANILMASI

Kanserle cerrahi veya farmakolojik olarak mücadele etmenin mümkün olduğu erken dönemde kanser teşhisi koyabilmek bu hastalıkla mücadele etmenin en iyi yöntemlerinden biridir. Böylece henüz semptom göstermeyen hastalara da teşhis koyulabilmektedir.

            1960’larda serviks kanseri tarama testi uygulanmaya başladığından beri serviks kanserine bağlı ölümlerde %70’lik bir azalma görüldü. Aynı şekilde 1960’larda başlatılan meme kanseri taramalarının buna bağlı mortaliteyi azalttığı görülmüştür.

            Meme kanseri taraması memenin röntgen görüntülemelerine bakılarak yapılır. Bu tanılardaki duyarlılık son yıllarda giderek artmakla beraber şu an ortalama 8 hastadan 7’sine doğru tanı koyulabilmektedir. Ancak bir yanda da yalancı pozitif vakalar var. Göğüs taraması yapılan 1000 kadından yaklaşık 100 tanesinden ek görüntüleme isteniyor ve sonuçta sadece 4-5 tanesinde gerçekten kanser olduğu anlaşılıyor. Bu yalancı pozitif vakalar ve ek taramalar hastanın süreçte aslında gerekli olmayan tedaviler almasına ve psikolojik açıdan yıpranmasına yol açtığı gibi ülke ekonomisine de zarar vermektedir.

            Peki derin öğrenmenin konuşma, tanıma ve görsel nesne algılama konusunda bu kadar başarılı olduğu bir dönemde radyologlar bunu kullanabilir mi? Uzmanlar yapay zekânın meme kanseri taramasını ölçeklendirebileceğine inanıyor.

Derin öğrenmenin başarısı kendisine verilen doğru verilerin çokluğuna bağlıdır. Ancak etik ve yasal nedenler dolayısıyla bu verilerin sahibi hastaneler, şirketler ve üniversiteler verileri paylaşmamayı tercih ediyor. Buna geliştirilen çözüm ise gizlilik ve güvenlik kurallarına saygılı bir biçimde işbirliği yaparak sorunları çözmektir.Yani kullanıcıların veri setine erişemeyeceği ve veri setini indiremeyeceği bir  algoritma geliştirilmesiyle yapay zekanın  kanser taramalarındaki kullanımı yaygınlaştırabilir.

Yapay zekânın sonuçlarını daha sağlam ve titiz hale getirmek için hala çeşitli denemeler yapılıyor. İlk başta sadece yapay zeka programları kullanılırken daha sonra yapay zekanın radyologla iş birliği yaptığı halde daha başarılı olacağı fikri ortaya atıldı.

8 farklı yapay zeka ekibinden gelen veriler radyoloğun bilgisiyle birleşiyordu ve ortaya yüksek spesifiteye(özgüllük) sahip veriler ortaya çıkmaya başladı.

• Görüldüğü üzere KPW’de duyarlılığı %85olan bir radyolog tek başına çalıştığında  %90.5 özgüllüğünde doğru karar verirken tek başına bir yapay zekâ en iyi %66.3 özgüllüğünde tanı koyuyor, yapay zekâ ekiplerinin koordine çalışmasıyla ise %76.1 özgüllüğünde tanı koyuluyor. Ancak yapay zekâ ekiplerinin bir radyologla koordine halde çalışmasıyla %92 oranında bir özgüllük elde ediliyor.
•   KI’de ise duyarlılığı %77.1olan bir radyolog tek başına çalıştığında  %96.7 özgüllüğünde doğru karar verirken tek başına bir yapay zekâ en iyi %88 özgüllüğünde tanı koyuyor, yapay zeka ekiplerinin koordinasyonuyla ise %92.5 özgüllüğünde tanı koyuluyor.  Ancak yapay zekâ ekiplerinin bir radyologla koordine halde çalışmasıyla %98.5 oranında bir özgüllük elde ediliyor.

Detaylar için; https://www.ibm.com/blogs/research/2020/03/benefits-ai-for-breast-cancer-detection/?social_post=3174837265&linkId=83614449