Yapay Zeka Destekli Meme Kanseri Taraması Gereksiz Testleri Azaltabilir
Simülasyon, doktorların mamogramları okumasına yardımcı olmak için yapay zekanın kullanılmasının, kanser vakalarını gözden kaçırmadan takip testlerini azalttığını gösteriyor.”
St. Louis’deki Washington Üniversitesi Tıp Fakültesi’ndeki araştırmacılar ve Whiterabbit.ai tarafından yapılan bir araştırmaya göre, radyologların mamogram değerlendirmelerini desteklemek için yapay zekanın (AI) kullanılması, kanser vakalarını kaçırmadan yanlış pozitifleri azaltarak meme kanseri taramasını iyileştirebilir.
Araştırmacılar normal mamogramları çok yüksek hassasiyetle tanımlayan bir algoritma geliştirdiler. Daha sonra, çok düşük riskli mamografilerin tümü radyologların plakalarından çıkarılsaydı ne olacağını görmek için hasta verileri üzerinde bir simülasyon çalıştırdılar ve doktorların daha şüpheli taramalara konsantre olmalarını sağladılar. Simülasyon, ek testler için daha az kişinin geri çağrılacağını ancak aynı sayıda kanser vakasının tespit edileceğini ortaya çıkardı.
Washington Üniversitesi Mallinckrodt Radyoloji Enstitüsü’nde (MIR) radyoloji profesörü ve profesör olan kıdemli yazar Richard L. Wahl, MD, “Yanlış pozitifler, bir hastayı ek testler için geri aradığınızda ve bunun iyi huylu olduğunun ortaya çıkması olarak tanımlanır ve bu hastalarda çok fazla gereksiz endiseye neden olur. Aynı zamanda tıbbi kaynak israfına yol açar” dedi. Yakın zamanda Radiology: Artificial Intelligence dergisinde yayınlana çalışmada çok düşük riskli mamogramların yapay zeka tarafından güvenilir bir şekilde tanımlanabileceğini, hatalı pozitif sonuçların azaltılabileceğini ve iş akışlarının iyileştirilebileceğini gösterdi.
Wahl daha önce Whiterabbit.ai ile, ek veya alternatif taramadan yararlanabilecek kişileri belirlemek amacıyla radyologların mamogramlardaki meme yoğunluğunu değerlendirmesine yardımcı olacak bir algoritma üzerinde işbirliği yapmıştı. Bu algoritma, 2020 yılında Gıda ve İlaç İdaresi’nden (FDA) izin aldı ve şu anda Whiterabbit.ai tarafından WRDensity olarak pazarlanıyor.
Bu çalışmada Wahl ve Whiterabbit.ai’deki meslektaşları, mamogramları değerlendirmek için yapay zekayı kullanarak kanseri dışlamanın bir yolunu geliştirmek için birlikte çalıştılar. Yapay zeka modelini, büyük ölçüde Washington Üniversitesi radyologları tarafından toplanan ve okunan 123.248 2D dijital mamogram (6.161’i kanser gösteren) üzerinde eğittiler. Daha sonra AI modelini, ikisi ABD’deki ve biri Birleşik Krallık’taki kurumlardan olmak üzere üç bağımsız mamografi seti üzerinde doğruladılar ve test ettiler.
Araştırmacılar, doktorların karar alma süreçlerini anlamak için ilk olarak onların genel olarak hastaları ikincil tarama ve biyopsi için geri çağırma ve bu testlerin sonuçlarını değerlendirerek her vakada nihai kararı verme sürecini izlediklerini belirlediler. Alternatif bir yaklaşım olarak, doktorların bu süreçte öncelikle yapay zeka tarafından değerlendirilmiş sonuçları kullanarak negatif mamogramları ayıklamasına ve ardından doktorların kalan vakaları değerlendirmek için standart teşhis prosedürlerini izlemesine olanak tanıyacak bir yöntem geliştirildi. Bu yaklaşımın uygulanmasıyla ilgili verilerle birlikte, doktorların süreçlerinde hangi farklılıkların ortaya çıkabileceğini belirlemek için yapay zeka kullanıldı.
Örneğin, 11.592 mamogram içeren en büyük veri kümesini düşünün. Yapay zeka, 10.000 mamograma ölçeklendiğinde (simülasyonun amaçları açısından matematiği daha basit hale getirmek için) yüzde 34,9’u negatif olarak tanımladı. Eğer bu 3.485 negatif mamografi iş yükünden çıkarılmış olsaydı, radyologlar teşhis muayeneleri için 897 geri arama yapacaktı. Bu, gerçekte yaptıkları 1.159 aramadan yüzde 23,7’lik bir düşüş anlamına geliyordu. Bir sonraki adımda, biyopsi için ikinci kez 190 kişi çağrılacaktı. Bu, gerçekte 200 olandan yüzde 6,9’luk bir azalmaydı. Sürecin sonunda, hem yapay zeka dışlama hem de gerçek dünyadaki bakım standardı yaklaşımları aynı 55 kanseri belirledi. Başka bir deyişle bu yapay zeka çalışması, ilk mamografi çektirilen 10.000 kişiden 262’sinin herhangi bir kanser vakası gözden kaçırılmadan teşhis muayenelerinden ve 10’unun biyopsilerden kaçınabileceğini öne sürüyor.
Whiterabbit.ai’nin kurucu ortağı ve baş teknoloji sorumlusu, ortak yazar Jason Su, “Günün sonunda, doktorun kanseri bulan ve hastaların ilerideki yolculuklarında ilerlemelerine yardımcı olan bir süper kahraman olduğu bir dünyaya inanıyoruz” dedi. “Yapay zeka sistemlerinin yardımcı olabilmesinin yolu destekleyici bir rol üstlenmektir. Negatifleri doğru bir şekilde değerlendirerek iğnenin samanlıktan çıkarılmasına yardımcı olabilir, böylece doktorlar iğneyi daha kolay bulabilir. Bu çalışma, yapay zekanın olumsuz sınavları belirlemede potansiyel olarak son derece doğru olabileceğini göstermektedir. Daha da önemlisi, sonuçlar negatiflerin tespitinin otomatikleştirilmesinin, kanser tespit oranını değiştirmeden yanlış pozitiflerin azaltılmasında da büyük bir fayda sağlayabileceğini gösterdi.”
– Bu basın bülteni ilk olarak Washington Üniversitesi Tıp Fakültesi web sitesinde yayınlanmıştır ve stil ve netlik açısından düzenlenmiştir
Haber Kaynağı: https://medicine.wustl.edu/news/ai-assisted-breast-cancer-screening-may-reduce-unnecessary-testing/
