Meme kanseri riskini hesaplayan yapay zeka modeli

Ankara Etlik Şehir Hastanesi, ODTÜ, Kanada Toronto Üniversitesi ve Katar Doha Üniversitesi iş birliğiyle meme kanseri taramalarında kişiye özel risk değerlendirmesi yapabilen yapay zeka destekli yeni bir model geliştirildi. Çalışmada 10 yıl boyunca 616 kadının mamografi görüntüleri incelendi; yaş, menopoz durumu, aile öyküsü, doğum sayısı, emzirme ve vücut kitle indeksi gibi veriler değerlendirmeye alındı.

MEME KANSERİ TARAMASINDA KİŞİYE ÖZEL DÖNEM BAŞLIYOR

Meme kanseri taramalarında standart takip aralıklarının yerine, kişisel risk verilerini esas alan yeni bir yaklaşım geliştirildi.

Ankara merkezli çalışmada, özellikle ortalama risk grubunda yer almayan kadınların mamografi sonuçları yapay zeka yardımıyla analiz edildi. Böylece hangi kadının daha sık izlenmesi gerektiği, hangi hastada tarama aralığının uzatılabileceği ve hangi durumlarda ek önlem alınabileceği bilimsel verilerle değerlendirildi.

ÇALIŞMA ANKARA ETLİK ŞEHİR HASTANESİ ÖNCÜLÜĞÜNDE YÜRÜTÜLDÜ

Araştırma, Ankara Etlik Şehir Hastanesi, Orta Doğu Teknik Üniversitesi, Kanada Toronto Üniversitesi ve Katar Doha Üniversitesi’nin katkısıyla gerçekleştirildi.

Çalışma ekibinde Kanada Toronto Üniversitesi İstatistik Bilimleri Bölümü’nden Dr. Furkan Danışman, Katar Doha Üniversitesi Matematik ve İstatistik Bölümü’nden Dr. Zarina Oflaz, ODTÜ İstatistik Bölümü’nden Prof. Dr. Zeynep Kalaylıoğlu, Ankara Etlik Şehir Hastanesi Onkoloji Hastanesi Başhekimi ve Genel Cerrahi Uzmanı Prof. Dr. Lütfi Doğan ile Cerrahi Onkoloji Kliniği’nden Dr. Mahmut Onur Kültüroğlu yer aldı.

616 KADININ 10 YILLIK MAMOGRAFİ VERİSİ İNCELENDİ

Araştırma kapsamında 10 yıl boyunca takip edilen 616 kadının mamografi görüntüleri geriye dönük olarak değerlendirildi.

Çalışmaya, en az 5 mamografi görüntüsü bulunan ve bu görüntüleri 2 yıldan daha kısa aralıklarla çekilen kadınlar dahil edildi. Bu kadınların 6 ila 10 yıllık mamografik yoğunluk değişimleri yapay zeka aracılığıyla analiz edildi. Değerlendirme yalnızca görüntülerle sınırlı kalmadı; kişisel ve klinik risk faktörleri de modele eklendi.

RİSK DEĞERLENDİRMESİNDE KİŞİSEL VERİLER DE KULLANILDI

Yapay zeka modeli, meme dokusundaki değişimlerin yanında hastaların kişisel özelliklerini de dikkate aldı.

Yaş, menopoz durumu, ailede meme kanseri öyküsü, doğum sayısı, emzirme geçmişi ve vücut kitle indeksi gibi faktörler değerlendirmeye dahil edildi. Bu sayede model, yalnızca mamografi görüntüsündeki yoğunluğu değil, kadının genel risk profilini de analiz ederek daha kişiselleştirilmiş bir takip önerisi oluşturdu.

LATENT PROGRESYON MODELİ İLE YOĞUN MEME DOKUSU ANALİZ EDİLDİ

Çalışmada yapay zeka destekli “latent progresyon” modeli kullanıldı.

Bu model, mamografide yoğun meme dokusunun küçük tümörleri gizleme etkisi ile gerçek kanser riskini birbirinden ayırmayı amaçladı. Model, zaman içinde meme dokusunda meydana gelen morfolojik değişimleri izledi ve geçmiş mamografi görüntülerinden elde edilen verilerle yeni görüntüleri karşılaştırdı. Böylece küçük değişimlerin daha erken fark edilmesi hedeflendi.

GEREKSİZ TARAMALARIN ÖNÜNE GEÇİLMESİ AMAÇLANIYOR

Yeni modelin temel hedeflerinden biri, düşük riskli kadınların gereksiz yere sık aralıklarla mamografiye çağrılmasını azaltmak oldu.

Araştırmacılar, risk düzeyi düşük olan kadınlarda standarttan daha sık yapılan kontrollerin hasta kaygısını ve sağlık sistemi üzerindeki yükü artırabileceğini değerlendiriyor. Buna karşılık yüksek riskli kadınlarda daha erken kontrol, ileri görüntüleme, koruyucu ilaç tedavisi veya önleyici cerrahi seçenekleri gündeme alınabilecek.

YÜKSEK RİSKLİ KADINLAR DAHA ERKEN TAKİP EDİLEBİLECEK

Model, yüksek riskli kadınların daha kısa aralıklarla izlenmesine katkı sağlayacak şekilde tasarlandı.

Aile öyküsü bulunan, daha önce memede takip gerektiren lezyon saptanan, şikayet nedeniyle sağlık kuruluşuna başvuran veya yoğun meme dokusuna sahip kadınlarda takip aralıklarının daha dikkatli belirlenmesi gerekiyor. Yapay zeka modeli, bu gruptaki kadınların tarama planının kişisel risklerine göre düzenlenmesine yardımcı olacak.

TOPLUMSAL TARAMA DIŞINDAKİ KADINLAR DEĞERLENDİRİLDİ

Çalışmada, toplum temelli tarama programlarının dışında daha yakın izlem gerektiren kadınların verileri kullanıldı.

Ortalama risk grubunda olmayan, şikayeti bulunan, ailesinde meme kanseri öyküsü olan veya meme dokusunda daha önce saptanmış ve takip edilmesi gereken lezyonları bulunan kadınlar araştırmanın ana grubunu oluşturdu. Bu kadınlar, ikinci ve üçüncü basamak sağlık kuruluşlarında daha sık aralıklarla takip edilen hasta grubunda yer aldı.

FIRSATÇI TARAMALARDA BİLİMSEL VERİ İHTİYACI VARDI

Ankara Etlik Şehir Hastanesi Onkoloji Hastanesi Başhekimi ve Genel Cerrahi Uzmanı Prof. Dr. Lütfi Doğan, toplumsal tarama dışında izlenen kadınlarda önemli bir bilimsel veri ihtiyacı bulunduğunu belirtti.

Prof. Dr. Doğan, KETEM’lerde ortalama riske sahip ve şikayeti olmayan kadınlara yönelik toplumsal tarama programlarının uygulandığını hatırlattı. Ancak kuvvetli aile öyküsü olan, memede kitle nedeniyle daha önce biyopsi yapılan veya takip gerektiren lezyon saptanan kadınların daha kısa aralıklarla ikinci ve üçüncü basamak sağlık kuruluşlarında izlendiğini ifade etti.

YOĞUN MEME DOKUSUNDA BAZI KİTLELER GİZLENEBİLİYOR

Prof. Dr. Lütfi Doğan, fırsatçı taramalardaki temel sorunlardan birinin meme dokusunun morfolojik yapısı olduğunu söyledi.

Doğan, bazı kadınlarda meme dokusunun yoğun yapısı nedeniyle küçük kitlelerin mamografide kolayca saklanabildiğini belirtti. Bu hastaların hangi aralıklarla ve hangi yöntemlerle takip edilmesi gerektiği konusunda net bilimsel veriye ihtiyaç duyulduğunu vurgulayan Doğan, yapay zekanın tıpta birçok tetkike destek olacak seviyeye geldiğini kaydetti.

10 YIL ÖNCE BAŞLATILAN ÇALIŞMA MODEL HALİNE GELDİ

Prof. Dr. Lütfi Doğan, çalışmanın 10 yıl önce başlatıldığını anlattı.

Doğan, fırsatçı tarama kapsamında izlenen, şikayeti bulunan veya riski daha yüksek olan kadınların geçmiş mamografi filmlerinin yapay zeka programına yüklendiğini belirtti. Programın Kanada Toronto Üniversitesi ve Katar Doha Üniversitesi tarafından geliştirildiğini, ODTÜ İstatistik Bölümü’nün de projeye dahil olduğunu aktardı.

ODTÜ YENİ İSTATİSTİK MODEL GELİŞTİRDİ

Çalışmada elde edilen verilerle ODTÜ tarafından yeni bir istatistiksel model oluşturuldu.

Bu model, kadınların mamografi görüntülerindeki yıllara yayılan değişimleri aile öyküsü, menopoz durumu, yaş, doğum sayısı ve emzirme gibi faktörlerle birlikte değerlendirdi. Prof. Dr. Doğan, modelin hangi periyotlarla ve hangi yöntemlerle tarama yapılması gerektiği konusunda klinisyenlere net bilgiler verdiğini söyledi.

STANDART YILLIK MAMOGRAFİ YERİNE KİŞİYE ÖZEL TAKİP

Yeni model, tüm kadınlara aynı takip aralığını uygulamak yerine kişiye özel tarama programı geliştirmeyi hedefliyor.

Prof. Dr. Doğan, geçmişte şüpheli bir bulgu saptanmayan kadınların çoğunlukla yılda bir mamografiye çağrıldığını, bunun standart bir yaklaşım olduğunu belirtti. Geliştirilen modelin ise her kadın için ne zaman kontrol gerektiğini ve hangi görüntüleme yöntemleriyle izlem yapılacağını önermeye başlayabileceğini ifade etti.

MENOPOZ SONRASI MEME DOKUSU HER KADINDA AYNI DEĞİŞMİYOR

Kadınlarda menopozla birlikte meme dokusundaki glandüler yapının azalması ve yağ dokusunun artması bekleniyor.

Ancak Prof. Dr. Lütfi Doğan’a göre bu süreç her kadında aynı hızda gerçekleşmiyor. Genetik özellikler, hormonal yapı, doğum sayısı ve emzirme geçmişi meme dokusundaki değişimi etkileyebiliyor. Bazı kadınlarda menopoz sonrasında da glandüler yapı beklenenden daha uzun süre yoğun kalabiliyor.

YOĞUN MEME DOKUSU BAŞLI BAŞINA RİSK FAKTÖRÜ OLABİLİYOR

Araştırmada yoğun meme dokusunun yalnızca görüntülemeyi zorlaştırmadığı, aynı zamanda meme kanseri açısından risk faktörü olabileceği değerlendirildi.

Prof. Dr. Doğan, menopoz sonrasında glandüler yapısı hızla gerilemeyen kadınlarda meme kanseri riskinin artabildiğini belirtti. Aynı zamanda bu kadınlarda mamografik takiplerde küçük kitlelerin fark edilmesinin güçleştiğini söyledi. Modelin, bu sorunu çözmeye yönelik planlandığını ifade etti.

YAPAY ZEKA GEÇMİŞ GÖRÜNTÜLERLE YENİ MAMOGRAFİYİ KARŞILAŞTIRIYOR

Model, hastanın ilk mamografisi ve klinik bilgileri sisteme yüklendikten sonra sonraki görüntüleri de aynı veri havuzunda değerlendiriyor.

Yapay zeka, yıllar içinde meme dokusunda ortaya çıkan morfolojik değişiklikleri takip ediyor. Geçmiş görüntülerle yeni mamografileri karşılaştırarak olağan dışı değişimleri yakalayabiliyor. Bu yaklaşım, özellikle dens meme yapısına sahip kadınlarda küçük kitlelerin daha erken fark edilmesine katkı sağlayabiliyor.

ÇOK KÜÇÜK KİTLELERİN ERKEN YAKALANMASINA DESTEK OLUYOR

Model yalnızca risk oranı veya tarama aralığı sunmakla sınırlı kalmıyor.

Prof. Dr. Doğan, meme dokusu çok dens olan kadınlarda mamografi ile yapılan takiplerde çok küçük kitlelerin gizlenme ihtimali bulunduğunu söyledi. Modelin, geçmiş görüntü hafızasıyla dokudaki değişiklikleri eşleştirebildiğinde bu küçük kitleleri daha erken yakalama imkanı sunduğunu belirtti.

OBEZİTE MEME KANSERİ RİSKİNİ ARTIRABİLİYOR

Çalışmada menopoz sonrası meme dokusu değişimleri ile obezite arasındaki ilişki de değerlendirildi.

Prof. Dr. Doğan, menopozla birlikte yumurtalıklarda östrojen üretiminin azaldığını, ancak vücutta yağ dokusu fazla olduğunda periferik dokularda östrojen üretiminin devam edebildiğini söyledi. Bu durumun, meme dokusunun östrojen etkisine daha uzun süre maruz kalmasına neden olabildiğini belirtti.

OBEZ KADINLARDA RİSK YÜZDE 40’A KADAR ARTABİLİYOR

Araştırmada kullanılan model, obez kadınlarda meme kanseri riskinin daha yüksek olabileceğini gösterdi.

Prof. Dr. Doğan, modelin obez kadınları meme kanseri açısından yüzde 40’a kadar daha yüksek riskli bulduğunu ifade etti. Bu nedenle bazı hastaların gereksiz yere yılda bir mamografiye çağrılmayacağını, ancak daha yüksek riskli olduğu belirlenen hastaların daha erken kontrole alınabileceğini söyledi.

KORUYUCU TEDAVİ VE ÖNLEYİCİ CERRAHİ GÜNDEME GELEBİLİR

Yapay zeka destekli risk değerlendirmesi, yüksek riskli kadınlarda daha ileri önleyici seçeneklerin değerlendirilmesini sağlayabilir.

Modelin klinik kullanıma girmesiyle, risk düzeyi yüksek hastalarda koruyucu ilaç tedavisi, yakın takip protokolleri veya gerekli durumlarda önleyici cerrahi seçenekler gündeme alınabilecek. Böylece meme kanserinin erken tanısı ve risk azaltma stratejileri daha kişisel hale getirilebilecek.

MODELİN TÜRK TIBBININ KULLANIMINA SUNULMASI HEDEFLENİYOR

Araştırma ekibi, geliştirilen yapay zeka modelinin ürüne dönüştürülerek daha geniş hasta gruplarına ulaşmasını amaçlıyor.

Prof. Dr. Lütfi Doğan, modelin bir ürüne dönüşmesi halinde çok daha fazla kişiye uygulanabileceğini belirtti. Önümüzdeki dönemde yapay zeka destekli risk değerlendirme sisteminin Türk tıbbının kullanımına sunulması hedefleniyor.

MEME KANSERİ TARAMALARINDA YENİ BİR KLİNİK DESTEK ARACI

Ankara’da geliştirilen model, meme kanseri taramalarında klinisyenlere karar desteği sağlayabilecek yeni bir araç olarak öne çıktı.

Bu sistem, mamografik yoğunluk, kişisel risk faktörleri, menopoz sonrası doku değişimi ve geçmiş görüntü verilerini birlikte değerlendiriyor. Böylece hem erken tanıya katkı sağlanması hem de gereksiz taramaların azaltılması hedefleniyor. Araştırma, yapay zekanın onkoloji ve radyoloji alanındaki kullanımına önemli bir örnek oluşturdu.