Yapay zeka, kanserden sağ kalma oranını tahmin etmek için özçekimleri kullanıyor, araştırma gösteriyor

Araştırmacılar, kanser hastalarında biyolojik yaş ve sağ kalım süresini tahmin etmek için kişinin fotoğrafını kullanan bir algoritma geliştirdiler. FaceAge adı verilen teknolojinin sonuçları Perşembe günü (8) The Lancet Digital Health dergisinde yayımlandı.

Araştırmacıların bakış açısına göre, çalışma basit bir özçekim gibi bir fotoğrafın, hastalar ve doktorlar için klinik karar alma ve tedavi planlamalarına yardımcı olabilecek önemli bilgiler içerdiğini ortaya koyuyor.

Biyolojik yaş, insan vücudunun işlevsel durumunu yansıtan yaştır ve kişinin kronolojik yaşıyla mutlaka aynı doğrultuda değildir. Örneğin sigara ve alkol tüketen hareketsiz bir bireyin, sağlıksız bir yaşam tarzı nedeniyle biyolojik yaşı, doğum tarihine göre yaşından daha ileri olabilir.

Çalışmaya göre, daha yaşlı biyolojik yaşa işaret eden FaceAge tahminleri, birden fazla kanser türünde genel sağ kalım sonuçlarının daha kötü olmasıyla ilişkilendirildi. Ayrıca algoritmanın, palyatif radyoterapi gören hastaların kısa vadeli yaşam beklentilerini tahmin etmede doktorlardan daha iyi performans gösterdiğini buldular.

Mass General Brigham'daki Tıpta Yapay Zeka (AIM) programının direktörü ve çalışmanın eş kıdemli üyesi ve ilgili yazar Hugo Aerts, yaptığı açıklamada, "Bir kişinin yüz fotoğraflarından biyolojik yaşını tahmin etmek için yapay zekayı (YZ) kullanabiliriz ve çalışmamız bu bilginin klinik açıdan anlamlı olabileceğini gösteriyor." dedi.

Yapay zeka nasıl geliştirildi?

ABD'li hastane araştırma şirketi Mass General Brigham'daki araştırmacılar, FaceAge'i eğitmek için derin öğrenme ve yüz tanıma teknolojilerini kullandılar. Araç, kamuya açık veri kümelerinden alınan ve sağlıklı olduğu varsayılan 58.851 kişiye ait fotoğraflarla eğitildi.

Ekip, radyoterapi tedavisinin başlangıcında rutin olarak çekilen fotoğrafları kullanarak algoritmayı iki merkezden 6.196 kanser hastasından oluşan bir kohort üzerinde test etti.

Sonuçlar, kanser hastalarının kansersiz hastalara göre belirgin şekilde daha yaşlı göründüğünü ve FaceAge'lerinin ortalama olarak kronolojik yaşlarından yaklaşık beş yıl daha büyük olduğunu gösterdi.

Kanser hastalarında, daha ileri FaceAge'in, özellikle 85 yaşından büyük görünen bireylerde, kronolojik yaş, cinsiyet ve kanser türüne göre ayarlamalar yapıldıktan sonra bile daha kötü sağkalım sonuçlarıyla ilişkili olduğu bulundu.

Sonraki adımlar

Bu teknolojinin gerçek bir klinik ortamda kullanılması düşünülmeden önce daha fazla araştırmaya ihtiyaç var. Ekip, hastalığı, genel sağlık durumunu ve yaşam beklentisini tahmin etmek için algoritmayı test ediyor.

Takip çalışmaları, bu çalışmanın farklı hastanelere genişletilmesini, hastaların farklı kanser evrelerinde analiz edilmesini, FaceAge'in tahminlerinin zaman içinde izlenmesini ve doğruluğunun plastik cerrahi ve makyaj veri kümeleri üzerinde test edilmesini içeriyor.

Mass General Brigham'daki AIM programında öğretim üyesi ve çalışmanın kıdemli ortak yazarı Ray Mak, yaptığı açıklamada, "Bu, fotoğraflardan biyobelirteç keşfi için yeni bir alanın kapısını açıyor ve potansiyeli kanser tedavisinin veya yaş tahmininin çok ötesine geçiyor" dedi.

"Birçok kronik hastalığı giderek yaşlanmanın hastalıkları olarak gördüğümüzden, bir bireyin yaşlanma yörüngesini doğru bir şekilde tahmin edebilmek daha da önemli hale geliyor. Umarım bu teknolojiyi, hayat kurtarmaya yardımcı olmak için sağlam bir düzenleyici ve etik çerçeve içinde çeşitli uygulamalarda erken tespit sistemi olarak kullanabiliriz."

Tıpta yapay zeka: Hastalar için erken tanı ve risk azaltma