MIT tarafından geliştirilen yapay zekâ modeli, meme kanserindeki yanlış teşhislerin ve gereksiz ameliyatların önüne geçebilir.

Her yıl binlerce kadın meme kanserinden hayatını kaybediyor. Her kanserde olduğu gibi meme kanserinde de erken teşhis hayati önem taşıyor. Meme kanseri teşhisinde şimdilik en iyi yöntem olan mamografilerde görünen yüksek riskli lezyonlar ve biyopsilerdeki anormal hücreler yanlış teşhis konulmasına sebep olabiliyor. Bu teşhis sonucunda hastalar lezyonun alınması için gereksiz ameliyatlar geçirmek zorunda kalıyor.

MIT’nin Bilgisayar Bilimleri ve Yapay Zekâ Laboratuvarı, Massachusetts General Hospital ve Harvard Üniversitesi Tıp Fakültesi’nden araştırmacılar birlikte gerçekleştirdikleri çalışma sonucunda bu gereksiz ameliyatları engelleyebilecek bir yapay zekâ sistemi geliştirdiler.

Gereksiz Ameliyat Sayısını %30 Azaltabilir

Mamografide şüpheli görülen bir lezyonun ardından bunun kanser olup olmadığının anlaşılabilmesi için biyopsi gerçekleştiriliyor. Bu biyopsilerin kabaca; %70’i iyi huylu, %20’si kötü huylu ve %10’u ise yüksek riskli lezyonlar olarak sonuçlanıyor. Biyopsi sonucunda yüksek riskli olduğu belirlenen lezyonlarda genellikle tehlikeli, iz bırakan, maliyetli ve oldukça zor ameliyatlar gerçekleştiriliyor. Çok sayıda ameliyat esnasındaysa aslında lezyonun kanser olmadığı ortaya çıkıyor.

Araştırmacılar, mamografi ve biyopsinin ardından yüksek riskli olduğu saptanan lezyonların gerçekten kanser olup olmadığını saptayabilmek için bir yapay zekâ sistemi geliştirdiler.

Algılama ve tanı geliştirmeye yönelik AI uygulamak için ilk bir proje olan ekipler, bir mamografiden sonra iğne biyopsisinde saptanan yüksek riskli bir lezyonun cerrahide kansere dönüşeceğini öngörmek için makine öğrenimi kullanan bir AI sistemi geliştirilmesi için işbirliği yaptılar.

335 yüksek riskli lezyon üzerinde test edildiğinde sistem, meme kanserlerinin yüzde 97’sinin kötü olduğunu doğru olarak teşhis edebildi. Bu da mevcut yaklaşımlara kıyasla yapay zekânın gereksiz ameliyat sayısını yüzde 30’dan fazla azaltabileceği anlamına geliyor.

Kaynak: MIT NEWS