Sadece görüntü analizi ile cilt kanseri teşhisi ve sınıflandırması için eğitilen bir bilgisayar, şu anda o kanserin türünü bir doktor gibi saptayabiliyor.

1960’larda bilim-kurgu serilerinden Star Trek’te Dr Leonard McCoy, “tricorder” olarak bilinen portatif bir cihazla James Kirk’ün ve diğer Enterprise üyelerinin tıbbi durumunu kontrol ediyordu. Daha sonra hastalıklarda non-invaziv (girişimsel olmayan) tanıyı sağlayan, insan cildini görüntüleyerek bazı kanser çeşitlerini tespit edebilen mobil cihazlar gibi, bu makineler gerçek olmaya başladı. Nature’da yayımlanan bir çalışmaya göre ileri seviye görüntü algılama teknolojisi ile yapay zeka, en az cilt kanseri uzmanı kadar iyi seviyede cilt lezyonlarının sınıflandırması yapılabilecek.

Cilt Hastalıkları 3 Ana Grupta İncelenir:

  1. Non-proliferatif lezyonlar, örneğin akne /sivilce gibi;
  2. Benign (iyi huylu = selim) lezyonlar, bunlar sağlığı tehdit etmeyen hücresel çoğalmalardır; ve
  3. Malign (kötü huylu = habis) lezyonlar, kontrolsüz çoğalan ve vücudun başka organlarına yayılma potansiyeline sahip metastatik kanser hücreleri.

Cilt kanserleri diğer kanserlerden farklı olarak gözle teşhis edilebilir. Bunun için dermatologlar dermatoskop olarak adlandırılan (dermoskopi, epiluminesens mikroskobu veya yüzey mikroskobu olarak da bilinir) bir cihaz kullanarak deri üzerindeki lekeleri veya benleri yakından inceler. Dermatolog eğer incelenen cilt lezyonundan şüphelenirse biyopsi alır, alınan doku patoloji laboratuvarına gönderilir ve bir patoloji uzmanı kesin tanıyı koyar.

Çalışma

Araştırmacılar, derin öğrenme olarak bilinen bir algoritma tekniğini kullanarak bir bilgisayarın görüntüleri analiz etmesini ve hastalığı teşhis etmesini sağladı (yapay zeka). Bir doktorun ve bilgisayarın hastalığın teşhisinde kullandığı görüntü analizlerinde farklılıklar vardır. Mesela, melanom olarak bilinen cilt kanserinin teşhisinde dermatolog ABCDE (her bir harf değerlendirmenin bir karakteristiğini belirtir, örneğin A asimetrik lezyon şekli gibi) olarak bilinen bir grup kriter kullanır, ve bu onun önceki tecrübelerine dayanır. Bir bilgisayar bu yaklaşımı taklit etmek zorunda değildir. Bunun yerine bilgisayar, bir hastalıkla ilişkili patern tanımlamasını kendisi yapar ve insanların kurallarından bağımsız şekilde kendi verilerini eğitebilir. Bir bilgisayar ayrıca insan gözünün algılayamadığı görüntüleri de değerlendirebilir.

Bilgisayarın eğitimi için; araştırmacılar tanı almış 2032 cilt kanserinden, 129450 cilt lezyonu görüntüsünü ve her görüntüye atanmış belirtileri kullanmıştır. Referans teşhisler dermatologlar tarafından yapılmıştır.

Daha sonra araştırma ekibi, daha önce tanı almamış bir grup cilt lezyonu görüntüsünü eğitilmiş bir bilgisayara ve 21 doktora sundu. Bu görüntüler biyopsi testi ile onaylandı. Bilgisayar, görüntüleri hekimlere benzer ya da daha iyi bir seviyede teşhis etti.

Çalışmada kullanılan görüntülerin standart görüntülerden büyük olması yapay zekanın daha başarılı olmasını açıklayan nedenlerden biri olabilir. Ayrıca sisteme atılan yeni verilerle yapay zekanın becerisi artmaya devam etmektedir. Araştırmacılar, bu çalışmanın sağlık hizmetlerinde bilişim teknolojilerinin zirvesi değil, sadece bir noktası olduğunu ifade etmişler. Çalışmada “Inception v3” olarak bilinen bir algoritma kullanılmış, ve şimdi daha kısa zamanda ve daha yüksek doğrulukta tahminde bulunabilecek yeni programlar ve algoritmalar da mevcuttur.

Gelecekte yapay zeka mutlaka teşhis teknolojilerindeki yerini alacaktır ve bu da sağlık hizmetine kalite getirecektir. Bir akıllı telefon uygulaması etkili, kolay ve düşük maliyetle bunu sağlayabilir. Fakat yapay zeka ile yönlendirilen teşhislerin istenmeyen sonuçlara yol açabileceği de düşünülmektedir.

Bilişim teknolojilerinin yardımı ile birçok kanserin daha erken evrelerde ve daha az zahmetle teşhis edilmesi olası görülüyor. Bununla birlikte yapay zekanın oldukça kompleks bir süreç olan klinik - yani tedaviyle ilgili - kararlarda bulunması için daha birçok alanda başarı göstermesi gerekmektedir; fakat o zamana kadar giderek artan oranda sağlık hizmetinin destekçisi olacaktır.