Yapay Zekâ Meme Kanserini Daha Doğru Tahmin Edebiliyor
Genetik ve modern görüntülemedeki büyük ilerlemelere rağmen, bazı tanılar çok geç koyuluyor. Geç gelen tanı agresif tedaviler, belirsiz sonuçlar ve daha fazla tıbbi harcama anlamına geliyor. Sonuç olarak, hastaların tanımlanması, meme kanseri araştırmaları ve etkili erken teşhiste büyük önem teşkil etmekte. MIT Bilgisayar Bilimi ve Yapay Zekâ Laboratuvarı(CSAIL) ve Massachusetts Genel Hastanesi’nden(MGH) bir ekip, eğer bir hastada meme kanseri gelişimi muhtemel ise, bir mamogramdan tahmin edebilecek yeni bir derin öğrenme modeli yarattı. Mamografi ve 60.000’den fazla MGH hastasının bilinen sonuçları üzerine eğitilmiş olan bu model, meme dokusunda kötü huylu tümörlerin öncüsü olan ince kalıpları öğrendi. Kendisi de meme kanserini yenmiş birisi olarak MIT Profesörü Regina Barzilay, bunun gibi sistemlerin doktorların bireysel düzeydeki tarama ve önleme programlarını kişiselleştirmelerini sağlayarak geç tanıyı tarihe gömeceğini söylüyor. Model, riski tahmin etmekte mevcut yaklaşımlardan önemli ölçüde daha iyi. Geleneksel model hastaların sadece yüzde 18’ini yüksek risk kategorisine yerleştirirken, yapay zekâlı model yüzde 31’ini yüksek risk kategorisinde tanımladı. Proje ayrıca, özellikle ırksal azınlıklar için risk değerlendirmesini daha doğru hale getirmeyi hedefliyor. Beyaz ırk popülasyonları üzerine birçok erken teşhis modeli geliştirildi ve bu modeller çeşitli ırklarda daha az kesinlik gösteriyordu. MIT/MGH modeli, çeşitli ırklardaki kadınların için aynı derecede doğruluk oranına sahip. Örneğin siyahi kadınların meme kanserinden ölme olasılığı yüzde 42 oranında beyaz kadınlara göre daha fazla. Bu durum tespitte ve sağlık hizmetlerine erişimde farklılıklar olmasından kaynaklandığı için özellikle bu proje çok önemli. Barzilay, sistemlerinin bir gün, hastaların kardiyovasküler hastalıklar veya diğer kanserler gibi sağlık sorunları için büyük risk altında olup olmadıklarını görmede mamogram kullanmasını sağlayabileceğini söyledi. Araştırmacılar, modelleri diğer hastalıklara, özellikle de pankreas kanseri gibi çok az etkili risk modellerine sahip olanlara uygulamak için bir hayli istekliler.