Hz Yapay zeka - AI, teşhisten 5 yıl öncesine kadar meme kanseri riskini tahmin edebilir PDF Kopyasını İndir Kate Bass, B.Sc. Yazan: Kate Bass, B.Sc. Gözden Geçiren: Kate Anderton, B.Sc. (Editör) 9 Mayıs 2019 NewsGuard 100/100 Puanı
Massachusetts Teknoloji Enstitüsü'nden (MIT) bir araştırma ekibi, derin öğrenme modeli geliştirerek doktorların teşhis koyabileceği zamandan 5 yıla kadar önceki mamografi görüntülerinden meme kanserini tahmin edebiliyor.
Araştırmacılar, doktorların teşhis koyabileceği zamandan 5 yıla kadar önceki mamografi görüntülerinden meme kanserini tahmin edebilen bir derin öğrenme modeli geliştirdiler. create jobs 51 | Shutterstock
Meme kanseri, kadınlarda en yaygın görülen kanser türüdür ve dünya çapında yılda yaklaşık 500.000 ölüme neden olmaktadır. Meme kanseri için artık birçok etkili tedavi mevcut olsa da, başarılı bir sonuç hâlâ erken teşhise bağlıdır.
Geç teşhisler, önemli yan etkilere sahip ve sıklıkla başarısız olan daha agresif tedaviler gerektirir. Bu nedenle, meme kanseri geliştirme riski taşıyan hastaların belirlenmesi, meme kanseriyle ilişkili ölümlerin sayısını azaltmaya çalışan araştırmacıların odak noktası olmuştur.
Mamografi kullanılarak yapılan tarama programları, meme kanserinin erken tespiti ve tedavisine olanak tanır. Ancak, bu tür taramalar, anormallik belirtileri için her bir mamografinin incelenmesini gerektirir; bu da taranması gereken büyük kadın sayısı nedeniyle oldukça emek yoğundur.
Ayrıca, görüntüler manuel olarak incelendiğinden, öznel bir unsur ve insan hatası riski mevcuttur. Mamografi görüntülerini hızlı ve güvenilir bir şekilde meme kanseri riski için tarayabilen bilgisayar modelleri geliştirmek amacıyla araştırmacılar çalışmaktadır.
'Göğüs dokusunun benzersiz desenleri' Massachusetts General Hospital'da (MGH) çekilen 90.000'den fazla mamografiden elde edilen bilgileri kullanan MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı'ndaki bir ekip, insan gözünün tespit edemediği göğüs dokusundaki ince değişim desenlerini tespit eden yeni bir derin öğrenme modeli geliştirdi.
60.000'den fazla hastanın mamografileri ve bilinen sonuçları kullanılarak programlanan model, kötü huylu tümörlerin öncüllerini tanımlar ve bir mamografiden hastanın meme kanseri geliştirme olasılığını tahmin edebilir.
Yaş, ailede meme kanseri öyküsü, hormonal durum ve meme yoğunluğu gibi anahtar risk faktörlerinin değerlendirilmesinden farklı olarak, MIT'nin derin öğrenme modeli meme kanserine işaret eden desenleri tanımlar. Tahminler bu nedenle veri odaklıdır ve kanser gelişmeden 5 yıla kadar önce yapılabilir. Bu tarama, böylece hasta bazında özelleştirilmiş tarama ve önleme programları için bireysel risk değerlendirmesi sağlar.
Harvard Tıp Okulu'nda radyoloji profesörü ve MGH'da meme görüntüleme bölümü şefi olan Constance Lehman, araştırma hakkında şunları söyledi:
"1960'lardan beri radyologlar, kadınların mamografide görünen benzersiz ve oldukça değişken göğüs dokusu desenlerine sahip olduklarını fark ettiler... Bu desenler genetik, hormonlar, hamilelik, emzirme, diyet, kilo kaybı ve kilo alımının etkisini temsil edebilir. Bu detaylı bilgiyi şimdi bireysel düzeyde risk değerlendirmemizde daha kesin olmak için kullanabiliriz."
Sonuçlar 'çarpıcı' idi Model, 2009 ve 2012 yılları arasında çekilen neredeyse 89.000 ardışık tarama mamografisinden yüksek meme kanseri geliştirme riski taşıyan kadınları geriye dönük olarak belirlemek için kullanıldı. Daha sonra meme kanseri geliştiren tüm hastaların %31'ini en yüksek risk dilimine doğru bir şekilde yerleştirdi. Mevcut Tyrer-Cuzick modeli kullanılarak elde edilen karşılık gelen değer sadece %18 idi.
Stanford Üniversitesi Tıp Fakültesi'nde tıp ve sağlık araştırmaları/politikası doçenti olan Allison Kurian, şunları söyledi:
"Modelin beyaz ve siyah insanlar için eşit derecede iyi performans göstermesi özellikle çarpıcı, ki bu önceki araçlarla böyle değildi... Eğer doğrulanır ve yaygın kullanım için erişilebilir hale getirilirse, bu risk tahminimize yönelik mevcut stratejilerimizi gerçekten geliştirebilir."
Ekip, modellerini standart bakımın bir parçası haline getirmeyi hedefliyor. Gelecekte kimlerin kanser geliştireceğini tahmin ederek, yönetim stratejileri buna göre uyarlanabilir, meme kanserinin gelişmesi önlenebilir ve hayatlar kurtarılabilir.
Kaynak: Yala A., ve ark. (2019). Meme Kanseri Risk Tahmini için Derin Öğrenmeye Dayalı Mamografi Modeli. Radiology. doi.org/10.1148/radiol.2019182716.