TIBBİ GÖRÜNTÜLEMEDE YAPAY ZEKANIN KULLANIMI

Teknoloji denildiğinde akla telefonlar, bilgisayarlar, oyun konsolları gelse de aslında teknoloji sağlık başta olmak üzere birçok alanda insanlığa hizmet ediyor. Bu yazı ile radyoloji ve teknoloji bağlantısının dününü bugününü ve yarınını inceleyip beraber uzun bir zaman yolculuğuna çıkacağız.

Yazıma çok sevdiğim bir hocamın sözüyle başlamak isterim. “Radyoloji, kapalı bir kutunun kapağını açmadan içini görme sanatıdır. Başarılı bir sanatçı olmak isterseniz çok çalışmalı, çok pratik yapmalı ve 3. gözünüzü açmalısınız ancak bu şekilde beyazlar ve siyahlar denizinde kaybolmaz, teşhis koyabilirsiniz.” Peki ya biz 21. yüzyılın sanatı kabul edilen yapay zekaya 3. gözünü açmayı öğretebilir miyiz?

Şekil-1’de çekilen ilk X-Ray filmini görmektesiniz. Bu film X-Ray ışınlarını rastlantı sonucu 1895 yılında keşfeden Wilhelm Conrad Rontgen’in eşine ait (1). Şu günlerde bilgisayarların kanser teşhisi koyma ihtimalinden bahsediyoruz. Acaba Rontgen o zamanlar teknolojinin de ilerlemesiyle tıbbi görüntülemenin bu noktaya gelebileceğini düşünmüş müydü? Önce X-Ray ışınları sonra Manyetik Rezonans Tekniği ile görüntüleme yöntemleri şimdi de yapay zeka derken 150 yıl bile geçmeden müthiş bir bilimsel devinimden söz edebiliriz. 1900 yılında bilginin ikiye katlanma süresi 100 yıl iken günümüzde bu rakamın 10 saate düştüğü düşünülürse bazı gelişmelere geç bile kaldık. Peki, şimdiye kadar tıbbi görüntüleme alanında neler yapıldı, biz neler yapabiliriz hep beraber inceleyelim (2, 3).

Yapay zekanın işleyişini daha iyi anlatabilmek adına bir örnek vermek istiyorum. 6 ay kadar önce 1 aylığına radyoloji uzmanı hocamın yanında bir staj dönemi geçirdim. Hocam yaklaşık 30 yıllık tecrübesinin verdiği avantajla COVID-19 gibi henüz yeni görülen bir akciğer rahatsızlığını bile ilk bakışta teşhis edebiliyordu. Staja başladığım ilk günlerde hastanın görüntülerine dakikalarca bakıyordum fakat sonu yine hüsran oluyordu benim için. Zaman geçtikçe hocamdan püf noktalarını COVID-19 ile diğer pnömonik hastalıkları nasıl ayırt etmem gerektiğini öğrendim. Örneğin; Şekil 2’de görüldüğü üzere kırmızı oklarla çevrelenmiş “yuvarlak camsı görüntü” COVID-19 pnömonisine özgü bilgisayarlı tomografi ile görüntülenebilen bir belirteçtir (4). Aslında yapay zeka uygulamasında da yaptığımız aynen bu. Biz tıbbi görüntüleri “Bu COVID-19 çünkü akciğerin alt segmentlerinde ve posteriorunda yuvarlak camsı görüntüler bulunmakta.” şeklinde makine öğrenmesi yöntemiyle yapay zekaya bilgileri aktarıyoruz. Biz görüntüleri yükledikçe yapay zekâ görüntüler arasında ilişkiler kurmaya, bunları anlamlandırmaya ve sınıflandırmaya başlıyor. Biz bir nevi radyolojik görüntüleri okumayı yapay zekaya öğretmiş oluyoruz. Tıpkı beynimizde olduğu gibi yapay zekâda da ne kadar fazla görüntü yüklenirse kurulan bağlantılar ve doğru tahmin edilebilirlik artıyor. Bizim yıllarımızı vererek edindiğimiz tecrübeyi yapay zeka tek bir günde edinebiliyor. Üstelik unutma, yanlış hatırlama riskleri olmadan…

Gururla söylemeliyim ki tıbbi görüntülemede yapay zekayı kullanmakta en başarılı uygulamalardan biri olan Smart Alpha Türk bilim insanlarının elinden çıktı.  Akciğer ultrasonu üzerine özelleşmiş olan uygulama yukarıda görmüş olduğunuz gibi görüntüleme yapılırken eş zamanlı olarak belli anatomik yapıları adlandırmayı sağlıyor (5). Aynı zamanda doktora olası hastalıkları öneriyor ve bu hastalıkların doğru olma yüzdesini de gösteriyor. Evde ve klinikte kullanılabilir olduğu iddia ediliyor. Benim kanaatimce tıp fakültesi öğrencilerinin eğitiminde oldukça kullanışlı bir yöntem olabilir. Bizim mühendis ve doktorlarımızca multidisipliner yürütülen böyle bir uygulama varken fırsatı değerlendirmeli ve bu alanda dünyayı geride bırakmayı hedeflemeliyiz.

Tıpkı ülkemizde olduğu gibi; yurtdışında da faaliyet gösteren başka yapay zeka uygulamaları da mevcut.

• AIM: Japonya kökenli olan bu teknoloji şirketi başta kolon kanserleri ve rektal kanserler olmak üzere sindirim sistemi kanserlerini erken teşhis etmek amacıyla kullanılıyor (6).
• Arterys: Bu uygulama nörolojik, kardiyolojik ve solunum sistemi görüntülemelerinde kullanılıyor. Amacı tıpkı diğer uygulamalardaki gibi erken teşhis olan Arterys ile ilgili en önemli nokta tek bir sisteme odaklanmamış olması. Diğer bir avantajı ise 3D görüntülemelerde kan akışını, basıncını, sistolik ve diastolikvolümleri sayısal olarak göstermesi (7).
• Radiobotics: Bu uygulamada iskelet sistemi X-Ray görüntülemesi üzerinde durularak yapay zeka geliştirilmiştir. Hem radyoloji uzmanlarını hem de ortopedistleri desteklemek amacıyla oluşturulan bu teknoloji sisteme yüklenen görüntüler üzerine bir rapor oluşturuyor ve kullanıcılarıyla paylaşıyor. Bu sayede hem kendi hastanızın raporlarına hem de Dünya çapındaki vakaların raporlarına erişebiliyorsunuz (8).

Son olarak da bu yazıyı okurken neredeyse herkesin aklına gelmiş olan “Acaba yapay zeka radyologların sonunu getirecek mi?” sorusuna cevap aramak isterim. Canlı türlerinin bile adaptasyon geçirdiğini, ortamdaki değişikliklere iyi uyum sağlayanların yaşamaya devam ettiğini biliyoruz. Aynı durumun meslekler için de geçerli olduğunu düşünenlerdenim. Çalıştığı sektörden bağımsız olarak gelecekte ancak teknolojiye ve yapay zekaya iyi uyum sağlamış, işiyle teknolojiyi iyi entegre etmiş yaratıcı iş insanlarının başarılı olabileceğini öngörüyorum. Eğer bu durumu sağlık sektörü bazında düşünecek olursak bir sağlık çalışanının en büyük önceliğinin hastasının sağlığı olması gerektiğini savunuyorum. Hasta sağlığına kavuştuğu sürece teşhis ve tedavideki başrolün pek önemi olmasa gerek.

Gelecek elbet bir gün gelecek. Biz birer bilim insanı olarak gelişmeden ve değişmeden korkmamalı aksine değişime yön vermeliyiz.

Umarım keyifle okumuşsunuzdur. Ayırdığınız vaktiniz için teşekkür ederim.

Kaynakça

1. Hosny, A.,Parmar, C., Quackenbush, J., Schwartz, L. H., &Aerts, H. (2018). Artificial intelligence in radiology. Nature reviews. Cancer, 18(8), 500–510.
2. Syed, A. B.,&Zoga, A. C. (2018). Artificial Intelligence in Radiology: CurrentTechnology and FutureDirections. Seminars in musculoskeletalradiology, 22(5), 540–545.
3. Uysal F, Güven M, Paç M. Yapay zekânın dünü, bugünü ve geleceği. Hardalaç F, Serhatlıoğlu S, editörler. Yapay Zekâ Teknikleri ve Radyolojide Uygulanması. 1. Baskı. Ankara: Türkiye Klinikleri; 2020. p.6-10.
4. Yang R, Li X, Liu H, et al. Chest CT severityscore: an imagingtool for assessing severe COVID-19. RadiolCardiothoracImaging 2020
5. https://smartalpha.ai/ (ET: 30.04.2022)
6. https://www.ai-ms.com/en/about_us (ET: 30.04.2022)
7. https://www.arterys.com/ (ET: 30.04.2022)
8. https://www.radiobotics.com/ (ET: 30.04.2022)