Kanserde Patoloji Sonucu İçin Kompütasyonel Karar Destek Sistemleri Yaygınlaşıyor
15 Temmuz 2019'da Thomas J. Fuchs liderliğindeki Memorial Sloan Kettering Kanser Merkezi ve Weill Cornell Tıp Bilimleri Enstitüsü Patoloji Bölümü araştırmacıları, Nature Medicine adlı dergide, öğrenmeye dayalı, deep learning (derin öğrenme) sistemini sundular. Benzeri görülmemiş ölçekte doğru sınıflandırma modellerini eğitme yeteneğine sahip bu sistem, klinik pratikte kompütasyonel (hesaplamalı) karar destek sistemlerinin konuşlandırılması için temel attı.
Yazarlar, patoloji için karar destek sistemlerinin geliştirilmesinin ve bunların klinik uygulamada kullanılmasının, manuel olarak büyük miktarda açıklamalı veri setlerine ihtiyaç duyulduğu için geçmişte kullanılamadığını bildirdi.
Açıkladıkları derin öğrenme sistemi bu sorunun üstesinden geliyor. Bu yeni sistem özellikle, sadece rapor edilen teşhisleri eğitim için etiket olarak kullanır, böylece pahalı ve zaman alan piksel odaklı manuel ek açıklamalardan kaçınır.
Çalışma ekibi, bu çerçeveyi, herhangi bir veri küratörlüğü oluşturmayan 15.177 hastanın 44.732 tam slayt görüntüsünün bir veri kümesi üzerinde ölçeklendirmiştir.
Sistem, Prostat Kanseri, Cildin Bazal Hücreli Karseri ve Meme Kanserinin Aksiller (Koltuk Altı) Metastazlarını %98 Doğrulukla Teşhis Edebilmiştir.
Sistem klinik olarak uygulandığında, patologların % 100 hassasiyeti koruyarak, patoloji bloklarının % 65-75'ine bakmasına gerek kalmamasını sağlamıştır.
Yazarlar, sonuçlarının, sistemin klinik uygulamada kompütasyonel karar destek sistemlerinin yerleştirilmesinin temelini oluşturan doğru sınıflandırma modellerini eğitme yeteneğine sahip olduğu sonucuna varmıştır.
Tıp bilişimi ile uğraşanlar için, halka açık paylaşılan MSK meme kanseri metastazı veri setine şuradan ulaşılabilir. Bu çalışmanın kaynak kodu şuradan indirilebilir.
