Yükleniyor
En iyi tedavi, en iyi tanı ile başlar. Patolojik tanı pek çok hastalığın tanısı için altın standart yöntemdir. Patolojide çalışma verimi, patolojik tanıda doğruluk oranını artıran, hasta güvenliği ile ilgili ciddi katkı sağlayan yapay zeka algoritmaları patolojinin geleceğidir. Memorial Patoloji Laboratuvarı'ndan Prof. Dr. İlknur Türkmen ve Uzm. Dr. Fadime Gül Salman, patolojide yapay zeka kullanımı hakkında bilgi verdi.
Dijital patoloji alt yapısı ile kurulan Memorial Patoloji; bu sayede, uzmanlaşmış kadrosunu en başta 5 farklı ildeki 11 hastanesine ve yakın coğrafyadaki hastalara ulaştırabilmektedir. Hastalar en doğru tanıya ve dolayısıyla en doğru tedaviye ulaşabilmektedir. Tamamen dijital patoloji ile çalışan patolog sayısı her geçen gün artmaktadır. Yapay zeka algoritmaları da tanı destek sistemleri olarak klinikte kullanılmaktadır.
Patolojideki gelişmeler, tıp tarihinde önemli dönüm noktalarını da belirlemektedir. Tıp tarihinde otopsi çalışmaları; hastalıkları anlamakta, mikroskobik incelemeler; hücre düzeyindeki değişiklikleri belirlemekte önemli gelişmelerin başlangıcı olmuştur. Sonraki yıllarda immünohistokimyasal belirteçlerin kullanımı hücre kökenlerini belirlemekte ve kanserlerin tiplendirmesinde önemli çığır açmıştır. İmmünohistokimya sonrasında ise moleküler patoloji diğer bir önemli gelişme olup, hastalıkları DNA dizileri düzeyinde incelenmesine olanak sağlamıştır.
Patolojide son yıllardaki en büyük değişiklik ve gelişme ise dijital patoloji ve buna paralel olarak patolojik tanıda yapay zeka algoritmalarının kullanımıdır.
Klasik olarak mikroskop altında incelenen lam/cam slayt yerine, bu preparatların özel tarayıcılar (dijital tarama cihazı, dijital scanner) ile dijitalize edilmesi ile patolojik incelemenin bilgisayarda yapılması mümkün olmuştur. Bu sayede patolojik inceleme için mekan bağımlılığı ortadan kalkmış ve internet bağlantısı olan herhangi bir yerden dünyanın herhangi bir noktasına ulaşım sağlanmıştır.
Tüm dünyada patoloji alanındaki temel problemler; iş yükü, branşlaşmış patolog eksiği, sayısal işlemlerde subjektivite olarak sayılabilir. Artan kanser olguları, toplam sayı artıyor olsa da, olgu sayısındaki artışa oranla azalan patolog sayısı nedeniyle patologlar her geçen yıl artan iş yükü ile karşı karşıyadır. Yapay zeka temelli algoritmalı dijital patoloji yönteminin kullanılması, gözlemciler arası farklılığı azaltarak ve patoloğun üzerindeki iş yükünü hafifleterek bu problemlerin çözülmesine katkı sağlar. Ayrıca patolojinin geniş ilgi alanı nedeniyle branşlaşma çok önemlidir ve branşlaşmış patologların her coğrafyaya ulaşması mümkün görünmemektedir. Dijital patoloji ile bilgisayar ortamına aktarılan patoloji preparatları zaman ve mekandan bağımsız olarak, erişilebilir hale getirilmektedir. Bu bilimin yaygınlaşmasını sağlamakta ve ‘bilimin-sağlık hizmetinin demokratikleşmesi/genelleştirilmesi şeklinde tanımlanmaktadır.
Dijitalizasyon ve yapay zeka kullanımı, tüm alanlarda günlük hayata her geçen gün daha fazla dahil olmaktadır. Patolojide ise patologların tekrarlayan/yoğun iş yükü oluşturan kalemlerde asiste edilmesi, hücre sayımlarının gerektiği numerik işlemlerin objektif olarak yapılması, laboratuvarda insan hatalarının azaltılması, raporlama sürelerinin düşürülmesi gibi başlıklarda yapay zeka kullanılabilmektedir.
Tıp dünyasında patolojik inceleme için sıklıkla kullanılan bir benzetmelerden biri “samanlıkta iğne aramak”tır. Örneğin; bir meme kanseri olgusunda, koltuk altı lenf bezlerinin incelenmesinde onlarca lenf düğümünün çok azında, sadece küçük bir alanda görülecek kanser varlığı hastanın tedavisini değiştirmektedir. Prostat kanseri tanısı ise 10-18 ayrı biyopsi örneğinde bazen çok küçük odaklardaki, minimal kanserli hücrelerin saptanması ile mümkün olmaktadır. Yapay zeka algoritmaları bu alanda kullanılmaktadır.
Pek çok patolojik tanıda hücre sayımları gereklidir. Pek çok tümörde, tanı veya hastalığın gidişatını belirlemek için binlerce hücrenin sayılması gerekmektedir. Bu sayımlar, patologlar tarafından, gözle, yarı-sayısal (semiquantative) yöntemlerle yapılmaktadır.
Makine öğrenmesi (machine learning), derin öğrenme (deep learning) gibi yöntemlerle, bilgisayar yazılımları, yapay zeka algoritmaları geliştirilmekte ve verimli, doğruluk oranı yüksek, insan sübjektivitesinin ortadan kaldırıldığı değerlendirmeler mümkün olabilmektedir. Geliştirilen bu yapay zeka algoritmaları ‘karar destek sistemleri’ olup, patologları asiste ederek, onların ‘tekrarlayan/sıkıcı/zaman alan’ işler yerine, yetkinliklerini kullanabilecekleri ‘kalifiye’ işlere daha çok zaman ayırmalarına olanak sağlamaktadır.
Bu soru dijital patoloji ve yapay zekanın patoloji alanında en büyük engeli ve patologların başlangıçta korkulu rüyası olmuştur. Ancak bu sorunun cevabı ‘Hayır’dır. Yapay zeka veya ‘computional’ patolojinin temel kuralı ‘bilgisayar insandan daha iyi değildir. Ancak bilgisayar ve insan; sadece insandan daha başarılıdır’ şeklinde özetlenmektedir. Yapay zeka algoritmaları; günümüzde, patolog değerlendirmesi öncesinde, hastalıklı/kanserli alanları işaretleyebilmekte, patolog çalışması için öncelikli vakaların belirlenmesini sağlamakta, kalite kontrol değerlendirmelerini laboratuvar aşamasında yaparak gerekli düzenlemelere olanak vermekte, belli durumlarda immünohistokimya gibi ek inceleme ihtiyaçlarını ortadan kaldırabilmektedir. Uygun şekilde ‘eğitilen’ yapay zeka algoritmaları, hastalıkların moleküler profillerini rutin patoloji preparatlarından öngörebilmekte, prognozları (hastalıkların gidişatı), tedavi seçenekleri ve kişiye özel tedavi hakkında bilgi verebilmektedir.
Patoloji alanında FDA onayı alan ilk yapay zeka algoritması, patologları prostat kanseri tanısında asiste eden bir sistemdir. Bu algoritma ile prostattan alınan biyopsilerde kanserli alanlar, HE (hematoksilen eozin) kesitler üzerinde işaretlenerek hastalıkla ilgili tanısal ve gidaşatı belirleyen unsurlar belirlenmektedir. Bu sayede, sabah mesaiye başlayan patolog, iş listesinde öncelikli vakaları belirleyerek, ek incelemeleri isteyerek, belli durumlarda ek inceleme ihtiyacını azaltarak, patolojik raporlama süresini kısaltabilmekte ve tanı doğruluğunu artırabilmektedir.
FDA onayı yanı sıra, CE-IVD onaylı pek çok yapay zeka algoritması artık klinik kullanıma girmiştir. Meme kanserinde hormon profilinin belirlenmesi, lenf düğümlerinde kanser alanlarının saptanması, mitoz içeren hücrelerin belirlenmesi, immünohistokimyasal incelemelerde kalite kontrol çalışmalarının yapılması, laboratuvar ortamında bazı doku defektlerinin erken saptanması ve kalite kontrollerinin yapılması, mide biyopsilerinde H. pylori bakterisinin saptanması, kanser ve lenfoma alanlarının belirlenmesi gibi pek çok alanda algoritmalar mevcuttur.
Güncelleme Tarihi : 12 Eylül 2022
Yayınlanma Tarihi: 8 Ağustos 2022
Detaylı bilgi için iletişime geçin.
