NVIDIA Inception programındaki girişimler, meme kanseri bakımındaki erişim zorluğu, radyolog eksikliği ve tedavi seçimine temel oluşturan test sonuçlarının yavaş çıkması gibi çeşitli boşlukları gidermek için yapay zekâdan yararlanıyor. Bu uygulamalar, ABD’de her yıl yaklaşık 40 milyon mamogram çekildiği ve önümüzdeki on yıl içinde radyolog eksikliğinin görüntü okuma ve teşhis sistemindeki baskıyı artırmasının beklendiği bir ortamda geliştiriliyor.
NVIDIA, tanıttığı şirketlerin grafik işlem birimleri, CUDA ve MONAI dahil olmak üzere kendi bilgi işlem altyapısını kullanarak otomatik görüntülemeden patoloji kesitlerinin analizine ve klinik ile genetik verilerin birleştirilmesine kadar uzanan araçlar geliştirdiğini belirtiyor.
Daha tutarlı ve hastaya daha yakın görüntüleme
iSono Health, FDA iznine sahip, giyilebilir üç boyutlu ve kantitatif ultrason sistemi ATUSA platformunu geliştiriyor. Sistem, geleneksel elle uygulanan ultrason muayenesinin 45 dakikaya kadar sürebilmesine kıyasla her meme için yaklaşık iki dakika içinde memenin standart bir hacmini yakalıyor.
Sistem, görüntü yakalamayı otomatikleştirmek için yapay zekâ kullanıyor ve 1,5 milyondan fazla ultrason karesi içeren binlerce tam muayene kullanılarak eğitildi. Şirket, sistemin iki boyutlu elle uygulanan ultrasona göre %28 daha duyarlı olduğunu belirtiyor. Görüntüleme yönteminin standartlaştırılması, yıllık muayenelerin karşılaştırılmasına ve cihaz operatörünün deneyimiyle ilişkili farklılıkların azaltılmasına da yardımcı olabilir.
ATUSA, Kaliforniya, Teksas, Georgia, Tennessee ve Washington, D.C.’deki iş ortağı klinikler üzerinden ticari olarak kullanıma sunuluyor. iSono Health, platformun performansını doğrulamak için 3.200 hastanın katıldığı çok merkezli bir çalışma yürütüyor; UC Davis ve Vanderbilt University Medical Center başlıca araştırma merkezleri arasında yer alıyor. Şirket, araçlarını lezyonların tespiti, bölümlendirilmesi ve sınıflandırılmasını kapsayacak şekilde genişletmenin, ardından üç boyutlu ultrasonu mamogram, manyetik rezonans görüntüleme ve klinik bilgilerle birleştirmenin yolları üzerinde çalışıyor.
Radyologların üzerindeki yükü azaltmak
Whiterabbit.ai, mamogram görüntülerinden meme yoğunluğunu otomatik olarak değerlendiren ve FDA iznine sahip WRDensity yazılımını geliştiriyor; bu yazılım yüz binlerce hastanın bakımında kullanıldı. Şirket ayrıca klinik karar desteği ve uzun vadeli meme kanseri riskinin tahmini için WRRisk’i sunuyor.
Şirket, radyologların daha fazla kanser tespit etmesine yardımcı olabilecek ve kanser belirtisi göstermeyen görüntülerin incelenmesini otomatikleştirebilecek yeni nesil mamografi yapay zekâ araçlarını araştırıyor. Buradaki pratik fikir doktorun yerini almak değil, nadir vakaları arama görevini hafifletmek; zira kurucu ortak ve teknik direktör Jason Su, bir meme radyoloğunun yaklaşık her 200 mamogramdan birindeki kanser vakasını bulmaya çalıştığını söylüyor.
Görüntüden tedavi kararına
Ataraxis AI, tedavi kararlarının iki ila dört hafta süren doku testlerini gerektirebildiği teşhis sonrası aşamaya odaklanıyor. Şirketin modelleri, tümörün tedaviye yanıtını ve nüks riskini öngörmek için dijital patoloji kesitlerini ve standart klinik değişkenleri analiz ediyor.
Modellerden biri, ameliyat öncesinde kemoterapiye yanıt olarak tümörün küçülme olasılığını öngörürken, diğer bir model ameliyat sonrasında hastalığın beş yıl içinde nüksetme riskini ve kemoterapiden sağlanabilecek potansiyel faydayı tahmin ediyor. Şirket, her iki modelin de ondan fazla kurumda ve çeşitli klinik çalışmalarda doğrulandığını ve klinik olarak kullanıldığını belirtiyor; modeller yerel altyapılarda, harici veri merkezlerinde veya bulutta çalıştırılabiliyor.
Verilerin üç boyutlu bir modelde birleştirilmesi
SimBioSys, cerrahi ve tedavi planlamasını desteklemek amacıyla meme tümörlerinin, damarların ve yumuşak dokuların üç boyutlu modellerini oluşturan hassas tıp teknolojisi geliştiriyor. Şirket ayrıca manyetik rezonans görüntülemeden elde edilen hacimsel veriler, patoloji sonuçları ve klinik verilere dayanarak kanserin nüksetme riskini tahmin eden bir araç geliştirdi.
En önemli değişiklik, her bir veri kaynağını ayrı ayrı analiz etmek yerine birden fazla veri türünü bir araya getirmekte yatıyor. Ancak metin aynı zamanda önemli bir sınırlamaya işaret ediyor: Belirtilen teknolojilerin bazıları hâlâ araştırma aşamasında ve ticari kullanım için FDA onayı almış değil. Ayrıca, özellikle tahminler tedavi kararlarını doğrudan etkilediğinde, bu araçların yaygınlaştırılmasından önce devam eden çalışmaların sonuçları ve klinik doğrulama belirleyici olmaya devam edecek.
Bu haber neden önemli?
Bu uygulamalar, meme kanserinde yapay zekânın pratik değerinin anormal bir görüntüyü tespit etmekle sınırlı olmadığını; görüntülemeyi daha tekrarlanabilir hâle getirmeye, riskleri sıralamaya ve tedavi kararından önce gelen veri analizini hızlandırmaya kadar uzandığını gösteriyor. Bununla birlikte, klinik kullanım yalnızca yapay zekâ modellerinin hızına bağlı değil; düzenleyici izinler, birden fazla kurumda doğrulama ve farklı hasta gruplarında tahmin doğruluğu hâlâ yanıtlanması gereken sorular arasında yer alıyor.