Algoritmalar, "PRISM" adını verdikleri sinir ağını oluşturdu. Bu sinir ağı, özellikle pankreas kanserinin en yaygın formu olan pankreatik duktal adenokarsinomu (PDAC) tespit etmeye odaklanmıştır.

Şu anda kullanılan PDAC tarama kriterleri, profesyoneller tarafından muayene edilen hastaların yalnızca yaklaşık %10'unu saptayabilmektedir. Ancak MIT'nin PRISM'i, PDAC vakalarını %35 oranında doğrulukla belirleyebilme başarısı gösterdi.

kanser_nasil_olusur_16447

MIT'nin bu yapay zeka modeli, geliştirilme süreciyle öne çıkıyor. Sinir ağı, ABD genelindeki çeşitli sağlık kurumlarından elde edilen gerçek elektronik sağlık kayıtlarına dayanarak oluşturuldu. Araştırmacılar, 5 milyon hastanın sağlık kayıtlarını kullanarak modeli eğittiler ve bu, bu alandaki diğer yapay zeka modellerine göre daha geniş bir veri setini temsil ediyor. "Bu model, rutin klinik ve laboratuvar verilerini kullanarak tahminlerde bulunuyor ve ABD nüfusunun çeşitliliği, diğer PDAC modellerinden daha ileri bir adımdır," diyor makalenin baş yazarı Kai Jia.

Google'dan metan kirliliğine yapay zeka çözümü! Google'dan metan kirliliğine yapay zeka çözümü!

PRISM projesi altı yıl önce başladı. Erken evre pankreas kanserini tespit edebilen bir algoritma geliştirme amacının temelinde, çoğu hasta için kanserin ileri aşamalarda teşhis edilmesi gerçeği bulunuyor. Şu anda, bu teknoloji sadece MIT laboratuvarlarında ve ABD'deki belirli hastalarda kullanılabiliyor. Ancak bu yapay zeka modelinin daha geniş kitlelere ulaşabilmesi için daha fazla çeşitli veri setleri ve belki de küresel sağlık profilleriyle beslenmesi gerekecek.

MIT, kanser riskini tahmin edebilen bir yapay zeka modeli geliştirmek konusunda ilk kez deneme yapmıyor. Önceki çalışmalarda, mammogram kayıtlarını kullanarak kadınlar arasında meme kanseri riskini tahmin etme modelleri üzerinde çalıştı. Bu tür araştırmalar, veri setlerinin ne kadar çeşitli olursa, yapay zekanın farklı ırklar ve popülasyonlarda kanser teşhisinde o kadar başarılı olduğunu göstermiştir. Kanser olasılığını tahmin edebilen yapay zeka modellerinin sürekli olarak geliştirilmesi, kanserin erken teşhis edilmesi durumunda hasta sonuçlarını iyileştirmenin yanı sıra, sağlık profesyonellerinin iş yükünü azaltabilir.

Editör: Enes Sapmaz