Yapay zeka görüntü analiziyle kanser seyrini öngörüyor

FAHR-Face modelinden geliştirilen iki araç, kanser hastalarında yaş ve ölüm riskini tahmin ediyor; klinik kullanım için bağımsız doğrulama gerekiyor.

ABD’deki Mass General Brigham bünyesinde çalışan araştırmacıların bulgularına göre, yüz fotoğraflarına dayanan yaş tahminleri radyoterapi alan hastaların ölüm riskiyle ilişkili çıktı. Ancak bu ilişki, fotoğraf değerlendirmesinin tek başına tedavi seçimini yönlendirebileceği anlamına gelmiyor.

The Lancet Digital Health dergisinde yer alan çalışma, yüz görüntülerinden üretilen tahminleri hastaların izlem sonuçlarıyla karşılaştırıyor. Araştırmacılar bu yaklaşımı, hekimlerin değerlendirmesine destek sunacak bir yöntem olarak geliştirmeyi amaçlıyor; doktorların görevini üstlenecek bir sistem olarak değil.

Yaş farkıyla değişen ölüm riski

Araştırmada, modelin takvim yaşından en az beş yıl yaşlı olarak değerlendirdiği hastalarda, diğer hastalara göre ölüm riskinin yüzde 21 yüksek olduğu bildirildi. Ters yönde, takvim yaşının en az beş yıl altında değerlendirilen grupta ise aynı riskin diğer hastalara kıyasla yüzde 17 düşük olduğu belirtildi.

Bu karşılaştırmalar, radyoterapi uygulanan hastaların dört yıl boyunca izlenmesinden elde edildi. Bildirilen oranlar gruplar arasındaki risk farkını ifade ediyor; herhangi bir hastanın kesin yaşam süresini veya bireysel ölüm olasılığını göstermiyor.

Araştırmanın ortaya koyduğu bulgu, yüzün yaşlı ya da genç görünmesiyle hayatta kalma sonuçları arasındaki istatistiksel bağlantı. Modelin bu ayrımı hangi nedenlerle yaptığı henüz açıklanmadığından, sonuçlar yüz görünümünün ölüm riskini doğrudan belirlediği şeklinde yorumlanamıyor.

FAHR-Face iki ayrı tahmin üretiyor

Araştırmacılar, eğitiminde 40 milyonu aşan sayıda yüz fotoğrafı kullanılan FAHR-Face modelini iki farklı görev için uyarladı. FAHR-FaceAge biyolojik yaşa ilişkin bir tahmin üretirken, FAHR-FaceSurvival hastaların hayatta kalmasına ilişkin riski değerlendirmek üzere geliştirildi.

Buradaki biyolojik yaş, kişinin doğum tarihinden hesaplanan yaşından farklı olarak, yüz görünümüne dayalı model tahminini ifade ediyor. Araştırmadaki risk karşılaştırması da bu tahminin takvim yaşından ne ölçüde ayrıldığı üzerinden yapılıyor.

Araştırmacıların hedeflediği kullanım alanı, kanser tedavisine hazırlanırken hastanın fiziksel olarak ne kadar dayanıklı olduğunun değerlendirilmesine katkı sunmak. Ameliyat, radyoterapi ve diğer yoğun tedaviler öncesindeki karar süreçleri, bu amaçla işaret ettikleri alanlar arasında bulunuyor.

Bununla birlikte, eğitimde kullanılan fotoğraf sayısı ile hasta gruplarında gösterilen klinik güvenilirlik farklı değerlendirme başlıkları. Modelin geniş bir görüntü koleksiyonuyla eğitilmiş olması, çeşitli hasta gruplarında ne kadar yararlı olduğunun ayrıca sınanması gereğini ortadan kaldırmıyor.

Klinik kullanımın önünde doğrulama ihtiyacı

Surrey Üniversitesi bünyesinde yapay zekâ alanında çalışan Miroslaw Bober, araştırmayı bir ilerleme olarak değerlendiriyor ancak sistemin klinik uygulamaya henüz hazır olmadığı görüşünde. Bober’e göre temel sınamalardan biri, modelin hekimlerin mevcut değerlendirmesine ek olarak ne ölçüde fayda sunduğunun belirlenmesi.

Bober ayrıca, farklı hasta grupları söz konusu olduğunda sonuçların güvenilirliğinin araştırılması gerektiğini söylüyor. Bu ayrım, bir çalışmada görülen istatistiksel ilişkinin başka hastalarda da aynı ölçüde işe yarayıp yaramadığını anlamak açısından önem taşıyor.

Bağımsız çalışmalar hem ek klinik faydayı hem de farklı gruplardaki güvenilirliği doğrularsa, yaklaşım araştırmacıların hedeflediği kişiye göre tedavi değerlendirmesine katkı sağlayabilir. Böyle bir senaryoda bile fotoğraftan gelen sonuç, doktorun kararının yerine değil, değerlendirmesine ek bir bilgi olarak konumlanıyor.

Ek faydanın gösterilememesi veya hasta grupları arasında tutarsız sonuçlar alınması durumunda ise klinik kullanımın dayanağı sınırlı kalır. Sonraki araştırmalar için belirleyici soru, yüz fotoğrafının riskle bağlantılı bir işaret sunmasının ötesinde, tedavi kararlarını destekleyecek güvenilir bilgi sağlayıp sağlamadığı olacak.