Türk bilimadamı yapay zekayla kansere çare arıyor

Yapay zekanın insan hayatını kurtardığını görmek teknolojinin gelişmesine olan desteği ve yatırımı artırıyor. Yapay zekanın sağlığa ilişkin yarattığı "mucizevi" çözümler arasında en mutluluk vericisiyle kanser teşhisinde yaşanan gelişmeler... Sağlıkta yapay zeka sektörünün 2022'de 5,5 milyar dolara ulaşacağı tahmin ediliyor. Yapay zekanın yakın gelecekte insanlık adına bir tehdit oluşturabileceğine durmadan vurgu yapan günümüzün en popüler teknoloji gurusu Elon Musk'un yapay zeka üzerine kurduğu tek şirket de sağlık sektöründe. Bu alanda gelecek gören yeni start-up'ların sayısındaki artış ise gözardı edilmemeli. Google'ın bu artışı fırsata dönüştürerek kasım ayında Launchpad Studio'yu kurdu. Launchpad, bu alanda hizmet veren start-up'a ürünün onaylanması ve ürünle ilgili geri dönüş alınması süreçlerinde yardımcı olan teknolojiler sunuyor.

Ülkemizde de sağlık alanında yapay zeka araştırmaları yapılmıyor değil. Bunlarından biri Özyeğin Üniversitesi Yardımcı Doçenti Melih Kandemir'in yapay zeka teknolojisini kanser teşhisinde kullanmak için 2006'dan bu yana üzerinde çalıştığı öğrenen algoritması. Kandemir, geliştirdiği öğrenen algoritmanın 3-4 ayı alan kanser hastalığını tespit süresi 1 güne düşebileceğini ve bunun yüzde 1 oranında hata payı olduğunu söylüyor. Yrd. Doç. Kandemir, dünyanın orta ölçekli hastalarının hemen tamamında kullanılan "hematoksilin-iyozin ile boyanmış biyopsi dokusunun fotoğrafına bakılarak yapılan kanser teşhis ve derecelendirmesi" yönteminden yola çıkılarak teknolojisini geliştirmiş. Böylece bütçesini uygun tutmuş. Kandemir'den 1 yıl içinde Hollanda'daki Radboud Üniversitesi Araştırma Hastanesi'ndeki hastalarda deneyeceği çalışmasını dinleyelim:

1.Algoritmanızın ulaşmaya çalıştığı sonuç ne?

Geleneksel yöntemlerde bir hastadan genelde birden fazla doku örneği alınır ve bir doku örneğinden birden fazla doku fotoğrafı çıkartılır. Bu doku fotoğrafları günlük hayatta kullandığımız fotoğraflardan çok daha yüksek çözünürlüğe sahip. Kaliteli bir cep telefonuyla çekilmiş bir fotoğraf 15 megapiksel çözünürlüğünde. Kanser teşhisindeyse yaklaşık 12500 megapiksel büyüklüğünde ve milyonlarca hücre içeren fotoğraflar kullanılıyor. Patologlar bu devasa fotoğraflardaki tümörlü bölgeleri önce saatler harcayarak el yordamıyla arayıp buluyor, sonra birkaç saniye içinde kanser türünü teşhis ediyor. Bizim yapmaya çalıştığımız, teşhisin tümör bulma kısmını otomatikleştirerek, patologun tek bir fotoğrafın teşhisi için harcadığı süreyi saatler seviyesinden dakikalar, hatta mümkünse saniyeler seviyesine indirmek. Kanser teşhisini otomatikleştirmenin bir diğer faydası da standardizasyon. Bir kanserin derecesi bir patologdan diğerine yüzde 40'a varan oranlarda farklılık gösterebiliyor. Aynı doku resmine bir patolog şu an baktığında birinci derece kanser derken, bir sene sonra tekrar baktığında ikinci derece diyebiliyor. Patologların iç tutarsızlık seviyelerinin yüzde 10'lara varabildiğini gösteren çalışmalar var.


HER TÜRE UYGULANABİLİR

2. Bu yöntem her kanser türünün teşhisi için kullanılabiliyor mu?

Artık kanser türleri arası bilgi transferi yapabiliyoruz. Mesela, göğüs kanseri dokusu fotoğrafları üzerinde eğittiğimiz bir yapay öğrenme modelini artık gırtlak kanseri teşhisinde kullanabiliyoruz. Artık sadece düşük-orta-yüksek gibi taşıdığı bilgi kusurlu ve sınanabilirliği problemli bir derecelendirme yerine artık doğrudan doğruya prognozi, yani hastanın kalan ömrünü ay seviyesinde tahmin edebiliyoruz. Önceden dokunun en az yüzde 20'sini kapsayan büyük tümör bölgelerini ancak tespit edebiliyorken, şimdi 250000x50000 piksel çözünürlüğündeki devasa fotoğrafların içinden 5-10 hücrelik mikrometastaz yapılarını bulabiliyoruz.


                                 

3.Yapay zekanın insana göre daha kesin teşhiste bulunduğu doğru mu?

Göğüs kanseri, hem en yaygın, hem de veri bulmakta en az zorluk çektiğimiz alan. Gırtlak kanseri, lenf kanseri gibi nispeten nadir türlere araştırmalarımızda daha fazla ağırlık veriyoruz, çünkü veri ne kadar azsa yapay öğrenme modelinin o kadar akıllı olması gerekiyor. Böylece problem, standart bir mühendislik probleminin boyunu aşıp bilimin sahasına girmiş oluyor. Lenf dokusu, metastazın sıkça görüldüğü bir doku türüdür. Bu metastaz olaylarının erken, yani henüz birkaç hücrelik bir gruptan oluşan bir mikrometastaz seviyesindeyken, teşhisiyse klinik kararların sağlıklı verilmesi için çok önemli. Bu sebeple benim de son dönemdeki araştırmalarım mikrometastatik grupların teşhisine odaklanmış durumda. 20 Gigabyte'lık devasa bir doku resminin içinde 10-15 piksel-karelik küçücük alanların tespit edilmesinden bahsediyoruz. Bunun insan gözüyle hatasız yapılabilmesi çok güç, yapay öğrenme teknikleriyle ise gayet mümkün. 

4.Bu teknolojinin gündelik hayatımızda yer alması ne kadar zaman alır?

Tıbbi görüntülerden otomatik kanser tanısının en fazla 10 yıl içinde dünya ölçeğinde kullanılan standart bir yöntem olmasını bekliyoruz.