Radilogy adlı dergide 17 Aralık 2019'da yayımlanan bir araştırmaya göre, yapay zeka uygulamalarının son zamanlarda en çok konuşulan türü olan bir derin öğrenme (deep learning) modeli, yoğunluğa (density) dayalı modellere göre daha yüksek doğrulukla meme kanserinin daha sonraki gelişimi için hangi kadınların risk altında olduğunu tahmin edebildi.

Stokholm Karolinska Enstitüsü'nden Dr. Karin Dembrower ve meslektaşları gelecekteki meme kanseri ile ilişkili bir risk skoru geliştirdiler ve retrospektif (geçmiş verilere dayanan) bir çalışmada, bu derin öğrenme modelini, yoğunluğa dayalı modellerle karşılaştırdılar. Derin öğrenme modelinin gelişimi 2008'den 2012'ye kadar teşhis edilen vakalara dayanıyordu; her kadın için, mevcut en erken dijital mamogram için derin öğrenme risk skoru, yoğun alan ve yüzde yoğunluk hesaplandı.

yapay zeka makine öğrenimi derin öğrenme nedir arasındaki farklar

Derin öğrenme sistemlerinde, insan yapımı algoritmalar büyük miktardaki veriyi toplama, sıralama ve analiz etme işlemlerinden sorumludur. Büyük miktarlarda veri (big data), yapay bir sinir ağını (insan beyninin çalışmasından ilham alarak modellenen bir algoritma kümesi) besler ve sonra yorumlanır. Programcılar, makineye verilerle ne yapmaları gerektiğini söylemez; bunun yerine, makine verileri analiz eder ve öğrendiklerine dayanarak kararlar alır. Çoğu durumda, ne kadar çok veri alırsa, kararları o kadar doğru olur.

Çalışma kapsamında toplam 2.283 kadın değerlendirildi; bunların 278'ine daha sonra meme kanseri teşhisi konuldu. Araştırmacılar, meme kanseri tanısı olmayanlara kıyasla, meme kanseri olan kadınların mamografi anında daha yüksek yaşa (ortanca 55,7'ye karşı 54,6 yaş), daha fazla dens (yoğun) alana (ortanca 38,2'ye karşı 34,2 cm²) ve daha fazla yoğunluk yüzdesine (ortanca % 25,6'ya karşı yüzde 24.0) sahip olduklarını buldu.

- İlgili konu: Dens meme nedir? Dens memede kanser riski neden daha yüksektir?

Yoğun alan ve yüzde yoğunluk ile karşılaştırıldığında, yaşa göre ayarlanmış derin öğrenme risk skoru daha isabetli sonuçlar verdi. Yalancı negatif (gerçek sonuç kanser olduğu halde yanlışlıkla iyi huylu sonuç verme) oran, yaşa göre düzeltilmiş derin öğrenme skoru için daha düşüktü; daha agresif kanserler için bu fark en belirgindi.

Genel olarak yapay sinir ağları üzerine kurulu bir yapay zeka modeli olan derin öğrenmeye dayalı model, yoğunluğa dayalı tahmin modelinden daha iyiydi.

Sonuç olarak, şu an için çoğunlukla insan uzmanlar ile yarıştırılarak eğitilen bu yapay zeka algoritmaları kullanan karar destek sistemlerinin, yakın bir gelecekte – tahmini 10 yıl içinde – kanser tanısında ve kanser riskinin belirlenmesinde önemli bir rol alacağına artık kesin gözüyle bakılmaktadır.