DR. KÜBRA SERBEST CEYLANOĞLU OKÜLER ONKOLOJİDE YAPAY ZEKÂ ÇALIŞMALARIYLA İLGİLİ GELİŞMELERİ AÇIKLADI.
Yapay Zekâ, ilk olarak 1950’lerde tanımlanmış bir terim olup, öğrenme ve problem çözme gibi bilişsel işlevleri taklit edebilen yazılımları ifade etmektedir. Makinelerin deneyimlerden öğrenmesini ve yeni girdilere uyum sağlamasını mümkün kılan bu teknoloji bir çok alanda kullanılmaya başlandığı gibi sağlık sektöründe de kullanılmaya başlanmıştır. Oftalmoloji, çok sayıda görüntüleme ve ölçülebilir veri alanını içeren bir birim olduğundan bu teknolojinin uygulanmasında ideal görünmektedir.
Günümüzde 2018 yılında FDA tarafından onaylanmış diyabetik retinopati varlığını tespit eden yapay zekâ bazlı programlar çeşitli kliniklerde kullanılmaya başlanmıştır (1). Bunun
dışında tüm oftalmoloji alanlarında hasta verileri kullanılarak erken tanı, tedavi ve prognoz açısından klinikte oldukça işimize yarayacak bir çok çalışma yapılmaktadır.
Yapılan çalışmalar incelendiğinde diyabetik retinopati, glokom ve yaşa bağlı maküla hastalıkları ile ilgili oldukça fazla çalışma yapıldığı ve bu konularda bir adım daha ileri olunduğu görülmektedir.
YAPAY ZEKÂ YARIŞINDA OKÜLER ONKOLOJİDE NEREDEYİZ?
Amerika Kanser Birliği’nin 2021 verilerinde göz ve orbitada yalnızca yılda 3.320 yeni kanser vakası ve buna bağlı 400 ölüm bildirilmiştir (2). Oküler onkolojik hastalıkların az görülmesi ve yapay zeka sistemi için fazla veri gerekmesi arasındaki dengesizlik nedeniyle bu alan oldukça bakir kalmıştır. Fakat bu alandaki verilerin toplanması, işlenmesi ile oldukça nadir olan tümörlerin erken tanımlanması, tedavisi ve takibi konusunda bizlere oldukça fayda
sağlayacaktır.
Bu konudaki ilk çalışma 2019 yılında yapılmıştır. Nadir fakat ölümcül bir tümör olan üveal melanomların patolojik örneklerinde BAP1 ekspresyonunun tespit edilmesine yönelik yapılan çalışmada, derin öğrenme algoritmalarının deneyimli oküler patologlar ile benzer doğruluk oranları ile BAP1 ekspresyonunu tanımladığı saptanmıştır(3). Bunun dışında 2021 yılında cep telefonu kamerasıyla çekilmiş ön segment fotoğraflarının kullanıldığı önemli bir çalışma bildirilmiştir(4). Çalışmada cep telefonu kamerası ile çekilmiş konjonktival melanomlar ile benign konjonktival lezyonları birbirinden ayırmayı sağlayan derin öğrenme algoritmalarının %85 oranında doğru tespitte bulunduğu izlenmiştir. Özellikle hızla gelişen telesağlık sisteminde fotoğraflardan elde edilen hasta verileri veya bu konuda geliştirilen cep telefonu uygulamaları ile en ücra köşelerdeki hastalara ulaşılabilmesi açısından bu öncü çalışma oldukça önemlidir. Başka çalışmalarda göz kapağı tümörlerinin birbirinden ayırımını
sağlamak üzerine tasarlanmıştır. Bu konuda yapılan çalışmalarda yapay zeka teknolojisinin deneyimli hekimlerle yaklaşık aynı oranda doğruluk oranının saptandığı izlenmektedir. Pediatrik çağda nadir karşılaşılan retinoblastom erken tanısında cep telefonu uygulamaları denenmeye başlanmıştır(5). Bu hastalıkların az görülmesi nedeniyle henüz ne yazık ki küçük veri setleri kullanılmaktadır. Gelecekte verilerin tek bir merkezde toplanması ve işlenmesi ile oftalmolojinin her alanında bu tür cep telefonu uygulamaları klinikte hekimlere
oldukça yarar sağlayacaktır.
Onkolojik hastalıkların değerlendirilmesinde erken ve doğru tanıya hızlı götüren teknolojilere oldukça ihtiyaç vardır. Beklenen yaşam süresindeki artış göz önüne alındığında, mevcut uygulamaları kullanarak göz hastalıklarına ilişkin tedavi ihtiyacının talebi karşılayabilme yeteneğimizin çok ötesinde artacağı öngörülüyor. Yapay zekâ, hastalıkların teşhis edilme ve tedavi sunma hızını değiştirme potansiyeline işaret ediyor
ve sınırlı sayıdaki klinisyenin en verimli biçimde çalışmasına olanak sağlıyor. Her ne kadar oftalmoloji alanında birçok adım atılmış olsa da oküler onkolojide kanser tanısı, risk analizleri ve prognozu belirleme açısından yapılacak çalışmalar geleceğimiz için yüz güldürücüdür.
Referanslar
1. FDA permits marketing of artificial intelligence-based
device to detect certain diabetes-related eye problems. U.S. Food
and Drug Administration; 2018. Available from:https://
www.fda.gov/newsevents/press-announcements/fda-permitsmarketing-
artificial-intelli gence-based-device-detect-certaindiabetes-
related-eye
2. American Cancer Society. Cancer Facts & Figures 2021.
Atlanta, Ga: American Cancer Society
3. Sun, M et al. (2019). Prediction of BAP1 Expression
in Uveal Melanoma Using Densely-Connected Deep
Classification Networks. Cancers, 11(10), 1579.
4. Yoo, T. K et al(2021). Adopting low-shot deep learning for
the detection of conjunctival melanoma using ocular surface
images. Computer methods and programs in biomedicine, 205,
106086.
5. Bernard, A et al. (2022). “EyeScreen: Development and
Potential of a Novel Machine Learning Application to Detect
Leukocoria.” Ophthalmology Science 2(3): 100158.
Ophthalmology Life 42. Sayı /Aralık 2022