Meme kanseri taraması, meme kanserinin erken teşhisinde ve meme kanseri ile ilişkili ölümlerin azaltılmasında önemli bir araç. Mamogramların yirmi yıldan fazla bir süredir kullanılmasından bu yana meme kanserinin yol açtığı ölümler yüzde 27 oranında azaldı. Yoğun meme dokusu tipik X-ışınlarında beyaz olarak da ortaya çıkabildiği için kanserli dokunun tek başına mamogramlarla tespit edilmesi zor. Bu nedenle bilim insanları ve radyografi uzmanları kanser tespit etme yeteneklerini arttırmaya yardımcı olmak için yapay zekanın gücünden faydalanmaya başladı.

Mamogramları değerlendirmekle ilgili görevlerin bazılarını yapabilen AI sistemlerinin geliştirilmesine yol açan yüksek derecede eğitimli göğüs tarama radyologlarının sayısında Türkiye de dahil olmak üzere büyük bir kıtlık var. MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı (CSAIL) ve Massachusetts Genel Hastanesi’nden (MGH) araştırmacılar, meme kanserinin erken tespitini saptayabilecek yeni bir derin öğrenme modeli yarattı. Sistem, bir hastada gelecek beş yıl içinde meme kanseri gelişme ihtimali olup olmadığını mamogramdan söyleyebiliyor. İhtiyacı olan kadınların yoğunluğu nedeniyle taramalar şu anda oldukça yoğun bir şekilde çalışıyor.

60.000’den fazla hastanın mamografisi ve sonuçları ile eğitilen algoritma bu verilerden meme dokusundaki ince desenleri habis tümörlerin öncüsü olarak öğrendi. Sistemin yaratıcıları, meme kanserinin 5 yıl kadar önceden tahmin edilebileceğini, geç tespit edilmesi sorununu artık geride bırakabileceğimizi düşünüyor. Sistem, doktorların kadınlar üzerinde ne sıklıkta tarama yapılması gerektiğini belirlemesinde de katkı sağlıyor ve kadınlar için bireysel risk yönetimi planları geliştirmelerine yardımcı oluyor. Şu anda Amerikan Kanser Derneği, ABD’de 45 yaşından itibaren yıllık taramayı tavsiye ediyor. Ancak, riski yüksek olan kadınlar için bu yeterli olmayabilir.

Önceden bir kadının meme kanseri gelişme risk faktörü yaş, ailede meme ve yumurtalık kanseri geçmişi, hormonal ve üreme faktörleri ve meme yoğunluğu gibi unsurların bir araya gelmesiyle belirleniyordu. Sistem taramanın yaştan ziyade diğer risk faktörlerine göre belirlenebileceğini kanıtlıyor. Bu belirteçler gerçek meme kanseri gelişimiyle zayıf bir şekilde bağlantılı ve risk bazlı tarama yaygın olarak desteklenmemekte. MIT / MGH ekibi, gelecekteki kanseri yönlendiren mamogramlardaki dokuları tanımlayabilen derin bir öğrenme modeli geliştirdi. 90.000’den fazla mamogram üzerinde çalışan model, insan gözünün algılayamayacağı kadar ince dokuları tespit etti.

Bu modeller genetik, hormonlar, hamilelik, emzirme, diyet, kilo kaybı ve kilo alımının etkisini gösterebilir. Artık bu ayrıntılı bilgiyi, bireysel seviyedeki risk değerlendirmemizde daha kesin olması için kullanabiliriz. Model ayrıca meme kanseri teşhisi ve siyah-beyaz kadınlar arasındaki tedavideki boşluğu da kapatacak. Siyah kadınların sağlık hizmetlerine erişim de dahil olmak üzere çeşitli faktörler nedeniyle meme kanserinden ölme olasılıkları beyaz kadınlardan %42 daha fazla. Ekip, sistemin dünya genelinde sağlık hizmetlerinin standart bir parçası haline gelmesini istiyor. Kuşkusuz, teknoloji gelişmeye devam ettikçe, sağlık hizmetlerine yapay zeka sistemleri entegre olmaya devam edecek.

Bu da ilginizi çekebilir:

[button color=”red” size=”normal” alignment=”center” rel=”follow” openin=”newwindow” url=”https://www.gelecekburada.net/yapay-zekada-alternatif-algoritmalar-federated-learning-ve-split-learning/”]Yapay Zeka’da Alternatif Algoritmalar: Federated Learning ve Split Learning[/button]

Kaynak: interestingengineering

Share:

administrator

96'da İstanbul'da doğdu, Marmara Üniversitesi Basım Teknolojileri bölümünde yüksek lisanına devam ederken İş Geliştirme alanında çalışıyor. Sonunda soru işareti olan her şeye ilgi duyarken geleceğin nerede olduğunu araştırıyor.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir