Yapay Zekâ ile Meme Kanseri Yönetiminde Yeni Bir Dönem: Tanıdan Tedaviye Entegre Yaklaşımlar

Uzmanlar, yapay zekânın sadece teknolojik bir araç olmadığını, radyoloji ve patoloji alanlarında hekimlerin güvenilir bir asistanı haline geldiğini belirtiyor. Mamografi değerlendirmelerinde yapay zekâ, ince ayrıntıları tespit ederek erken teşhis oranlarını artırmamıza olanak tanıyor. Uzmanlar, bu entegrasyon sayesinde meme kanserinde erken tanı, kişiselleştirilmiş tedavi ve artan yaşam süresi hedeflerine ulaşılabileceğini vurguluyor.

Meme Cerrahı Prof. Dr. Fatih Aydoğan, klinikte yapay zekânın tanıdan tedaviye uzanan sürece nasıl dahil edildiğini ve hastaların yaşamlarını nasıl dönüştürdüğünü Milliyet.com.tr’ye anlattı. Kore ve Singapur ziyaretlerinden elde ettiği bulgular, yapay zekânın tanı ve tedavide multidisipliner karar süreçlerini destekleyen bir araç olarak nasıl işlediğini aydınlattı.

Kore’de ilk yapay zekâ destekli mamografi sistemlerinin pilot uygulama merkezlerinde edindiği deneyimler ve Singapur’un akıllı şehir vizyonu kapsamında yapay zekâya yaptığı yatırımlar, bu teknolojinin klinik kullanıma hazırlanışını pekiştirdi. Aydoğan, konsey kararlarıyla yapay zekâ önerilerinin karşılaştırıldığı çok merkezli çalışmalar yürüttüklerini ve bugün itibarıyla hem konseylerde hem radyolojik incelemelerde yapay zekâyı aktif olarak kullandıklarını söyledi. Ayrıca dijital patoloji alanında da yapay zekânın tanı süreçlerine entegrasyonunun başarılı örneklerle ilerlediğini belirtti.

Bazı ülkelerde mamografi değerlendirmelerinin iki hekim tarafından yapıldığını, Türkiye’de ise yoğun dokudaki vakalarda dengenin biraz farklı olduğuna işaret eden Aydoğan, yapay zekânın adeta “ikinci bir göz” görevi görerek küçük lezyonları yüksek hassasiyetle saptadığını ve böylece erken tanıyı desteklediğini ifade etti. Ancak en dikkat çekici yönlerden biri, yapay zekânın mamografi görüntüsüne sadece meme kanseri odaklı bakmaması: damarlarındaki kalsifikasyonları da analiz ederek, hastanın gelecekte kalp-damar hastalığı riskini öngörebildiği vurgulandı. Bu da yapay zekânın sadece kanser tanısında değil, genel sağlık yönetiminde de yeni bir kapıyı aralıyor.

“Yapay zekâ analiz yapar, hekim karar verir” ifadesiyle özetlenen yaklaşım, hekimin rolünü küçültmekten öte güçlendirmek üzerine kurulu. Yapay zekâ görüntüyü analiz eder, olası lezyonları işaretler ve veriyi daha hızlı şekilde hekimlerin önüne getirir. Ancak hastanın öyküsü, genetik riski ve kaygıları gibi unsurlar her zaman hekim tarafından değerlendirilir. Klinik entegrasyonun ilerlemesiyle raporlama sürelerinin kısalması ve gereksiz tetkiklerin azalması beklenir; “veriyi görür, hastayı ise hekim görür” temel yaklaşımı değişmeyen rehber olarak kalır.

Şu anda farklı birkaç yapay zekâ programı klinik pratikte kullanılıyor ve hekimler bunları bir araya getirerek güvenilir ve tutarlı olanı seçmeye çalışıyor. Yine de bazen çok küçük tümörleri saptasa da bazı durumlarda mevcut lezyonları fark edemeyebiliyor. Bu nedenle en güvenli sonuç, hekimin klinik deneyimiyle yapay zekânın analitik gücünün birleşiminde ortaya çıkıyor. Prof. Dr. Aydoğan ayrıca bir hastanın konseydeki tartışmasına istinaden yapay zekânın da görüş almasını sağlayan deneyimini paylaştı ve bu deneyimin meslektaşlar için öğretici olduğuna dikkat çekti.

Patoloji alanında da yapay zekâ desteği giderek önem kazanıyor. DHA’ya konuşan Patoloji Uzmanı Prof. Dr. İlknur Türkmen, tekrarlayan ve zaman alan işlerde yapay zekânın büyük kolaylık sağladığını ve tanı süreçlerinde kemoterapiye verilecek yanıtları öngörmede bile kullanılabildiğini belirtti. Özellikle HER2 patoloji testlerinde yapay zekâ destekli dijital analizlerin faydalı olduğu ifade edildi. Yazar, yüksek maliyetli testlerin azaltılmasına katkı sağlanan bir döneme girildiğini vurguladı.

Aydoğan’a göre yapay zekânın sağlık alanında tehdit oluşturması doğal bir yaklaşım olsa da, tıpta doğru kullanımla insan faktörünü güçlendirmek esas hedeftir. Yapay zekâ, meme kanserinde radyolojiye ikinci bir göz olarak destek sağlar, böylece lezyonların erken ve doğru tespit oranını yükseltir. Patoloji çalışmalarında da kişiye özel tedavi planlarını yürütmede yardımcı olur. Hibrit modellerde en doğru mamografi değerlendirmesinin elde edildiği görülürken, yoğun meme dokusundaki küçük kitleleri işaretlemek gibi pozitif etkiler dikkat çekmektedir.

Gelecek öngörülerinde, genetik imza, tümör biyolojik özellikleri ve hastanın yaşam tarzı verilerinin bir araya gelmesiyle her hasta için özel tedavi algoritmalarının geliştirilmesi hedefleniyor. Cerrahi planlamadan ilaç seçimine, yanıt öngörüsüne kadar yapay zekâ destekli sistemler, klinik karar süreçlerinde daha kritik bir rol üstlenecek. Ancak Aydoğan’ın belirttiği gibi, en önemli nokta yapay zekânın hekimin yerini almak yerine bilgisini, deneyimini ve sezgisini güçlendiren güvenilir bir yol arkadaşı olmasıdır. Yakın gelecekte likit biyopsi verileriyle buluşan YZ destekli sanal onkoloji asistanlarının hastalara 7/24 bilgi ve moral desteği sunması, hekimin rutin yükünü hafifletmesi beklenmektedir.