Dünya genelinde her yıl yaklaşık 2,3 milyon kadına meme kanseri tanısı konulurken, bu hastalık tahmini 670 bin kadının hayatına mal oluyor. Aachen Teknik Üniversitesi (RWTH) Hastanesi Radyoloji Bölümü Başkanı Prof. Dr. Christiane Kuhl, mamografi taramalarına rağmen meme kanserinin kadınlarda en yaygın ölüm nedeni olmayı sürdürdüğünü belirtiyor. Kuhl, bunun temel nedenini mamografinin agresif tümörleri ya hiç ya da çok geç fark etmesi olarak açıklıyor.

YENİ ALGORİTMA 5 YILLIK RİSKİ BELİRLİYOR

Erken teşhis süreçlerini kökten değiştirmesi beklenen yeni geliştirilen bir Yapay zeka algoritması, sadece mamografi görüntülerini analiz ederek bir kadının önümüzdeki beş yıl içinde meme kanserine yakalanma riskini yüksek hassasiyetle belirleyebiliyor. Yüksek risk grubuna alınan kadınların kanser geliştirme ihtimali, normal risk grubundakilere göre dört kat daha yüksek çıktı. Yapay zeka, mamografisi tamamen normal görünen kadınlarda bile risk tahmini yapma yeteneğine sahip.

MAMOGRAFİNİN YETERSİZLİĞİ VE MASKELEME RİSKİ

Prof. Kuhl, 50-75 yaş aralığındaki kadınlara önerilen rutin mamografi taramalarının, meme dokusunun yoğunluğundan etkilendiğini vurguluyor. Meme dokusu yoğunlaştıkça hem kanser riski artıyor hem de mamografinin tümörü fark etme şansı düşüyor. Tıpta "masking risk" olarak adlandırılan bu durum, yoğun dokunun tümörü gizleme tehlikesini ifade ediyor. Birçok kadın, taramayı zorlaştıran bu durumu bilmiyor.

Mamografi ve ultrasona göre daha güvenilir ancak daha pahalı olan Manyetik Rezonans (MR) görüntülemesi, yoğun meme dokusuna sahip kadınlar için öneriliyor. Hangi kadınların bu pahalı MR taramasına ihtiyaç duyduğunu belirlemek amacıyla, 46 araştırma kurumunun oluşturduğu Clairity Konsorsiyumu, yapay zeka tabanlı Clairity Breast sistemini geliştirdi.

Bu yapay zeka modeli, klasik risk tahmin modellerinden farklı olarak; aile öyküsü, genetik ya da yaşam tarzı gibi ek bilgilere ihtiyaç duymadan, yalnızca mamografi görüntüsündeki doku yoğunluğunu ve dokunun yapısını analiz ediyor. Prof. Kuhl, yapay zekanın saniyeler içinde bir kadının MR'a ihtiyacı olup olmadığını söyleyebilmesinin büyük bir ilerleme olduğunu belirtiyor.

KİŞİSEL RİSK PROFİLİNE DAYALI TARAMA

Prof. Kuhl, herkes için tarama yaşını düşürmek yerine kişiselleştirilmiş bir yaklaşımı savunuyor. İdeal sistemin iki aşamalı olması gerektiğini belirtiyor:

  1. Mamografi ile standart tarama.

  2. Yapay zeka ile beş yıllık risk analizi.

Eğer Yapay zeka, kadının riskini yüksek gösterirse, bu grubun doğrudan MR'a yönlendirilmesi ve mamografinin bu grup için gereksiz hale gelmesi hedefleniyor. Bu sayede tarama programlarının verimliliği ve erken teşhis başarısı artırılabilir.