Yapay Zeka ile Meme Kanserinde Hastalık Tekrarı Riskini Hesaplamak
Erken evre meme kanserinde tekrarlama riskini “daha iyi” tahmin etmek
HR-pozitif (HR+), HER2-negatif erken evre meme kanseri, tüm meme kanserlerinin yaklaşık %70’ini oluşturur. Klinik pratikte en zor karar, adjuvan dönemde kemoterapinin gerçekten gerekli olup olmadığını doğru seçmektir. Çünkü “az tedavi” nüks riskini artırabilir; “fazla tedavi” ise gereksiz toksisite yükü getirebilir.
Bugün kullanılan genomik testler (ör. Oncotype DX), önemli bir boşluğu doldursa da genellikle AUC 0.75–0.80 aralığında kalır ve patoloji slaytlarında saklı olan tümör mimarisi/mikroçevre bilgisini sınırlı ölçüde kullanır. RF5-03 sunumu, dijital patoloji + klinik veriler + genomik skorları tek bir modelde birleştiren derin öğrenme tabanlı bir yapay zekâ (YZ) yaklaşımını prospektif validasyon verileriyle gündeme taşıyor.
Not: Bu içerik tıbbi tavsiye değildir. Bireysel prognostik kararlar, hastanın tüm klinik bağlamı ile onkoloji ekibi tarafından verilmelidir.
p<0.001
Genomik test
daha net ayrım
HR 3.1 (2.5–3.8)
Bu çalışma “nerede” ve “ne” olarak sunuldu?
Bulgular, San Antonio Breast Cancer Symposium (SABCS) 2025 toplantısında Rapid Fire Session 5 içinde RF5-03 koduyla paylaşıldı. Kongre özet formatı, J Clin Oncol ekinde (suppl) yer aldı: J Clin Oncol. 2025;43(suppl 17):RF5-03.
Çalışma tasarımı
Bu bir “ilaç çalışması” değil; bir tahmin modeli çalışması. Araştırmacılar, HR+/HER2− erken evre meme kanseri tanısı almış hastalardan patoloji slaytlarını dijitalleştirip, bunları klinik bilgiler (yaş, nodal durum vb.) ve genomik risk skoru ile birlikte aynı modele verdiler. Amaç, modelin “önümüzdeki 5 yılda nüks olasılığını” ne kadar iyi ayırt edebildiğini görmekti.
Toplam n=2.512 hasta kullanıldı: model önce n=1.200 hastada “öğrendi”, sonra n=1.312 hastada bağımsız doğrulandı. Medyan takip 4.1 yıl olarak bildirildi.
Model performansı: AUC karşılaştırması
Çubuk: AUC (0–1) • İnce işaretler: YZ için 95% GABu fark “gerçekte” ne demek?
AUC’nin 0.78’den 0.88’e çıkması, modelin “yüksek risk–düşük risk” ayrımını daha keskin yapabildiğini düşündürür. Sunumda verilen örnekte, belirli bir eşik üzerinde olan hastalarda 5 yıllık rekürrens %25 iken, düşük risk grubunda %5 düzeyindeydi. Bu ayrım, klinikte özellikle kemoterapiyi gerçekten kimin fayda göreceği tartışmasını etkileyebilir.
Sunumdan klinik açıdan en “işe yarar” sinyaller
• Yüksek risk grubunda: HR 3.1 (95% GA: 2.5–3.8)
• 5 yıllık rekürrens: %25 (yüksek) vs %5 (düşük)
• Nodal (+) alt grupta performans: AUC 0.90
• Dış doğrulama (Asya kohortu, n=300): AUC 0.86
Neden patoloji “oyunu değiştirebilir”?
Patoloji slaytları yalnızca “tanı” koydurmaz; aynı zamanda tümörün davranışına dair ipuçları taşır: hücre yoğunluğu, büyüme paterni, stromal yapı, immün hücrelerin dağılımı gibi. YZ’nin vaadi, bu görsel sinyalleri standartlaştırıp prognostiğe ekleyebilmesidir.
Kalibrasyon ve güvenilirlik
Sunumda, modelin tahminlerinin “gerçeğe ne kadar uyduğu” (kalibrasyon) için Brier skoru 0.12 bildirildi (daha düşük daha iyi). Etnik gruplar arasında performans farkının sınırlı olduğu (~%2) not edildi.
“Yan etki” meselesi: doğru çerçeve
Bu YZ modeli bir tedavi değildir; doğrudan yan etki üretmez. Ancak kararları etkileyebileceği için klinikte asıl kritik konu, yanlış risk sınıflaması (gereksiz yoğun tedavi ya da eksik tedavi riski) ihtimalidir. Bu nedenle model çıktıları, tek başına değil hekim değerlendirmesi ile birlikte ele alınmalıdır.
Pratik mesaj
RF5-03, HR+ erken evre meme kanserinde “genomik + klinik + patoloji” birleşiminin rekürrens tahminini iyileştirebileceğini gösteren güçlü bir işaret sunuyor. Eğer farklı merkezlerde benzer doğrulamalar gelirse, bu tür YZ modelleri, adjuvan kararları daha seçici ve kişiselleştirilmiş hale getirebilir.
Kaynak (sunum özeti): Lazar AJ, Lehman CD, ve ark. “AI-based recurrence prediction model in HR+/HER2− early breast cancer: Prospective validation.” J Clin Oncol. 2025;43(suppl 17):RF5-03.
