Yapay Zeka İle Erken Kanser Teşhisi

Ülkemizde sağlık alanında çok başarılı bir yapay zeka projesi yürütülüyor. Özyeğin Üniversitesi’nden Yrd. Doç. Melih Kandemir, kanserli dokuların teşhisini kolaylaştıran bir yapay zeka algoritması geliştirdi…

Erken Kanser Teşhisi

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 dolar büyüklüğe ulaşacağı tahmin ediliyor. Yapay zekanın yakm 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’larm sayısındaki artış da göz ardı edilmemeli. Google bu artışı fırsata dönüştürerek kasım ayında Launchpad Studio’yu kurdu. Launc-hpad, bu alanda hizmet veren start-up’lara ürünün onaylanması ve ürünle ilgili geri dönüş alınması süreçlerinde yardımcı olan teknolojiler sunuyor.

Ülkemizde de sağlık alanında yapay zeka araştırmaları yapılmıyor değil. Bunlardan biri Özyeğin Üniversitesi’nde çalışan Yrd. Doç. 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 süresini bir güne düşebileceğini ve bunun yüzde 1 oranında hata payı olduğunu söylüyor. Kandemir, orta ölçekli hastaların hemen tamamında kullanılan “hema-toksiliniyozin ile boyanmış biyopsi dokusunun fotoğrafına bakılarak yapılan kanser teşhis ve derecelendirmesi” yönteminden yola çıkarak bu teknolojiyi geliştirmiş. Böylece bütçesini uygun tutmuş. Kandemir ile bir yıl içinde Hollanda’daki Radboud Üniversitesi Araştırma Hastanesi’ndeki hastalarda denenecek bu çalışmasını konuştukw…

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 sahiptir. Kaliteli bir cep telefonuyla çekilmiş bir fotoğraf 15 megapiksel çözünürlüğünde. Kanser teşhisindeyse yaklaşık 12500 megapiksel büyüklüğünde ve milyonlarca hücre içeren fotoğraflar kullanılır. 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.

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 de kullanabiliyoruz.

Sadece düşük-orta-yüksek gibi taşıdığı bilgi kusurlu ve smanabilirliği problemli bir derecelendirme yerine artık doğrudan doğrüya prognozi, yani hastanın kalan ömrünü ay seviyesinde tahmin edebiliyoruz. Önceden dokunun en az yüzde 20’sini kapsayan büyük tümör bölgelerini ancak tespit edebiliyorken, şimdi 250000×50000 piksel çözünürlüğündeki devasa fotoğrafların içinden 5-10 hücrelik mikrometastaz yapılarım bulabiliyoruz.

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’hk devasa bir doku resminin içinde 10-15 piksel-kare-lik küçücük alanların tespit edilmesinden bahsediyoruz. Bunun insan gözüyle hatasız yapılabilmesi çok güç, yapay öğrenme teknikleriyle ise gayet mümkün.

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.

2018’in yapay zekâ haritası

Geride bıraktığımız yılda yaşanan teknolojik gelişmelere bakacak olursak, 2018’de de zekanın “genel anlamda” kullanma alanlarında yeni aşamalar kaydedileceğini öngörmek mümkün. Dell Technologies Ortadoğu, Türkiye ve Afrika’dan Sorumlu Kıdemli Başkan Yardımcısı Mohammed Amin, yapay zeka teknolojisinin insan hayatını daha da kolaylaştıracak gelişmelere imza atacağını belirterek bunları şöyle sıralamış:

1. Yapay zeka “düşünme görevlerini” hızla yerine getirecek Önümüzdeki birkaç yıl içinde yapay zeka, sadece veri düzenlemede değil veriye göre harekete geçmede de harcadığımız zamanı kısaltacak. İşletmeler, kendileri adına veri odaklı “düşünme görevlerini” yerine getirmesi için yapay zekadan faydalanarak yeniliklerin kapsamını belirleme, içeriğini tartışma, senaryosunu planlama ve test etme sürelerini önemli oranda kısaltacak.

2. Akıllı şehir kurulmasına daha çok katkıda bulunacak 2018 yılından başlayarak nesnelerin internetinin can verdiği şehirleri, işletmeleri, evleri ve taşıtları daha fazla görmeye başlayacağız, işlem gücü maliyetinin düşmesi ve bağlantı maliyetlerinin 0 dolara yaklaşması ile yakın zamanda 100 milyara ve sonra da bir trilyona yakın bağlı cihaza sahip olacağız. Tüm bu verilerin yapay zekanın gücüne sahip işlem gücü ile birleşimi de makinelerin, kaynaklarımızı daha iyi bir şekilde yönetmesine yardımcı olacak.

3. Şirketler müşterilerini yapay zekayla daha iyi anlamaya başlayacak Dell Technologies Dijital Dönüşüm Endeksi, orta ila büyük ölçekli kurumlardaki liderlerin yüzde 45’inin beş yıl içinde kurumlarının işe yaramaz olacağına inandıklarını ve yüzde 78’inin yeni kurulmuş teknoloji şirketlerini işletmelerine bir tehdit olarak gördüklerini gösteriyor. Şirketler müşterilerin davranışlarını makine öğrenimi ve yapay zeka sayesinde daha doğru bir şekilde belirleyip bu doğrultuda hizmet sunmaya başlayacak.

4. İnsan kaynaklarının işini kolaylaştıracak Önümüzdeki on yıl içerisinde sanal gerçeklik ve yapay zeka gibi teknolojiler insanların duygularından ve önyargılarından bağımsız hareket etmesine yardımcı olacak. Birkaç sene içerisinde yapay zekanın bilinçli ve bilinç dışı önyargıları gidermesi için işe alım ve terfi prosedürlerine uygulandığını göreceğiz. Bunun yanı sıra sanal gerçeklik, iş mülakatlarında potansiyel bir çalışanın gerçek kimliğini bir avatar ile maskeleyerek, iş görüşmelerinde sadece liyakatin kriter alınmasını sağlayacak.