Harvard'ın Yapay Zeka Aracı Ameliyat Sırasında Beyin Tümörlerini %98'in Üzerinde Doğrulukla Ayırıyor

Harvard Tıp Fakültesi liderliğindeki bir araştırma ekibi, ameliyat sırasında agresif beyin tümörlerini (glioblastoma gibi) daha az kötü huylu benzerlerinden ayırt etmede gerçek zamanlı bir devrim yaratan yenilikçi bir yapay zeka (YZ) aracı geliştirdi. PICTURE (Pathology Image Characterization Tool with Uncertainty-aware Rapid Evaluations) adı verilen bu araç, ameliyathanede doğrudan doku örneklerini analiz ederek cerrahların daha hassas eksizyonlar yapmasına ve tedavileri anında uyarlamasına olanak tanıyor. Bu teknoloji, glioblastomayı görünüm olarak taklit eden ancak tedavi yöntemleri tamamen farklı olan primer santral sinir sistemi lenfomasını (PCNSL) ayırt etme konusundaki kritik ihtiyaca yanıt veriyor. Glioblastoma beyin hücrelerinden gelişirken, PCNSL bağışıklık hücrelerinden köken alır ve mikroskop altında benzer görünebilirler, bu da sıklıkla yanlış teşhislere yol açar.

Geleneksel yöntemler, hasta sonuçlarını etkileyebilecek hata oranlarına sahip dondurulmuş kesit patolojisi gibi sınırlamalara sahiptir. Binlerce biyopsi görüntüsü ve genetik veri üzerinde eğitilen YZ aracı, canlı ameliyatlar sırasında bu kanserleri ayırt etmede %98'in üzerinde bir doğruluk oranı elde etti. Konvansiyonel boyama ve uzman incelemesinin gecikmelerini ortadan kaldıran, lekelenmemiş doku slaytlarını işlemek için evrişimli sinir ağlarından (CNN'ler) yararlanıyor. Birden fazla kurumda test edilen YZ, hız ve güvenilirlik açısından insan patologları geride bıraktı; ince hücresel desenleri ve moleküler imzaları tespit etti. Gerçek zamanlı risk değerlendirmesi sağlayan olasılıksal çıktılar sunuyor. Bu, tam rezeksiyonun hayati önem taşıdığı ancak riskli de olabildiği glioblastoma hastaları için kritik öneme sahip.

Sistemin mevcut cerrahi iş akışlarına entegrasyonu, YZ destekli hassas tıbba doğru bir kaymayı işaret ediyor. Bu YZ'yi geliştirmek için çeşitli hasta gruplarından elde edilen 10.000'den fazla etiketlenmiş görüntüden oluşan devasa bir veri kümesi kullanıldı. Dana-Farber Kanser Enstitüsü'nden işbirlikçiler, görsel özellikleri genetik belirteçlerle ilişkilendirerek genomik bilgiler sağladılar. YZ'nin standart patolojiden önemli ölçüde daha hızlı olan iki dakikanın altında numune işlediği prospektif denemelerle doğrulama yapıldı. İteratif eğitimle yanlış pozitifler en aza indirildi.

Ancak uzmanlar, teknolojinin yaygın kullanımdan önce FDA düzenleyici engellerini aşması gerektiği konusunda uyarıyor. Erken benimseyenler, YZ'nin daha hedeflenmiş tedavilere olanak tanıyarak hayatta kalma oranlarını iyileştirebileceğini öne sürüyor. Geleceğe bakıldığında, diğer YZ sistemleriyle entegrasyon, kapsamlı cerrahi asistanlar yaratabilir. Adil erişim ve algoritmalara aşırı güvenme konusundaki etik endişeler devam ediyor. Bu geliştirme, patolog eksikliği ortasında YZ'nin insan uzmanlığındaki boşlukları doldurduğu nöroonkolojide büyüyen bir eğilimi vurguluyor. Teknoloji firmalarıyla yapılan ortaklıklar, potansiyel olarak aracı robotik cerrahi platformlarına entegre eden ölçeklenebilir versiyonları araştırıyor.