Mamografide ve dijital tomosentezde yapay zekâ tabanlı triyaj ve karar desteği: eşleştirilmiş, non-inferiority çalışması

Daha Akıllı Taramalar Neden Önemli

50 yaş üstü çoğu kadına kanseri erken yakalamak için düzenli göğüs röntgeni (mamografi) taramaları daveti yapılır. Bu tarama programları hayat kurtarır, ancak aynı zamanda sağlık sistemleri üzerinde baskı yaratır ve yanlış alarm veren taramalar nedeniyle kaygıya yol açar. Bu çalışma şu önemli soruyu soruyor: yapay zekâ (YZ), radyologların yalnızca en riskli vakalara odaklanmasını sağlayacak şekilde mamografi okumalarının bir kısmını güvenli biçimde devralabilir ve yine de en azından aynı sayıda kanser tespit edebilir mi?

Meme Taramaları Bugün Nasıl Okunuyor

Birçok Avrupa programında her mamografi iki radyolog tarafından bağımsız olarak okunur. Bu "çift okuma" daha fazla kanseri yakalarken iş yükünü de iki katına çıkarır. Tomosentez olarak adlandırılan ve 3B’ye benzer yeni görüntüler ise her inceleme için görüntüleme süresini daha da artırır. Aynı zamanda nüfus yaşlanıyor, bazı kılavuzlar taramaya daha erken başlamayı öneriyor ve birçok bölgede yeterli sayıda eğitimli radyolog yok. Tüm bunlar, uzmanları aşırı yüke sokmadan tarama kalitesini korumayı veya iyileştirmeyi zorlaştırıyor.

Araştırmacıların Gerçek Hayatta Test Ettikleri Yaklaşım

Araştırma ekibi, İspanya’nın Córdoba kentinde mevcut bir kamu tarama programı içinde büyük bir klinik çalışma yürüttü. 50–71 yaş arasındaki 31.000’den fazla kadın standart dijital mamografi veya tomosentezden geçti. Her inceleme iki paralel şekilde işlendi. İlk olarak normal yaklaşım uygulandı: her vaka iki radyolog tarafından YZ desteği olmadan okundu. İkinci, deneysel yaklaşımdaysa bir YZ sistemi görüntüleri analiz edip her incelemeyi kansere ait olma olasılığına göre sıraladı. YZ tarafından düşük riskli olarak etiketlenen taramalar otomatik olarak normal kabul edilip hiçbir zaman radyologa gösterilmedi; yalnızca yüksek riskli olanlar çift okunmaya devam etti ve bu kez karar desteği olarak YZ’nin görsel işaretleri ve skorları kullanıldı.

İş Yükü ve Kanser Tespiti Ne Oldu

Bu YZ triyaj stratejisi, radyologların her bir incelemeyi okumak yerine tüm vakaların yalnızca biraz fazlasını—yaklaşık üçte birini—okumasını sağladı; yani iş yükünde neredeyse üçte iki oranında düşüş oldu. Bu dramatik azalmanın rağmen, YZ destekli strateji aslında daha fazla kanser tespit etti: standart yöntemde 1.000 kadında yaklaşık 6.3 kanser saptanırken YZ destekli yaklaşımla yaklaşık 7.3 kanser bulundu. YZ rehberli yol, erken, küçük ve lenf nodu negatif tümörler gibi erken tedavinin en faydalı olabileceği ek tümörleri yakaladı. Bu kazanımlar, özellikle geleneksel 2B mamografide çarpıcıydı; YZ desteğiyle kanser tespiti yüzde 30’dan fazla arttı.

Takası: Ek İncelemeler İçin Daha Fazla Çağrı

Bu iyileştirmenin bedeli, ek testler için çağrılan kadın sayısında artış oldu. Genel olarak, geri çağırma oranı standart okumada %4.8 iken YZ stratejisinde %5.5’e yükseldi ve yanlış pozitif oranı hafifçe arttı. Başka bir deyişle, daha fazla kanser bulundu, fakat nihayetinde iyi huylu olduğu anlaşılan şüpheli sonuçlar yaşayan kadın sayısı da biraz arttı. Ancak tomosentezde YZ, iş yükünü azalttı ama geri çağırma sayısını veya bulunan kanser sayısını anlamlı biçimde değiştirmedi; bu da bu modali­te­tin zaten güçlü bir performans sergilediğini gösteriyor.

Güvenlik, Kaçan Kanserler ve Etik Sorular

YZ kusursuz değildi: 11 kanser düşük risk skorları almış ve tam otonom bir iş akışında kaçırılacak şekilde sınıflandırılmıştı. Yine de YZ destekli stratejinin yakaladığı daha az kanser vardı; yani standart yaklaşım YZ desteği olmadan daha fazla kanser kaçırıyordu. YZ tarafından kaçırılan tümörlerin çoğu çok ince görüntüsel belirtilere sahipti ve geleneksel okumada iki radyologdan yalnızca biri tarafından tespit edilebiliyordu. Yazarlar, çok sayıda incelemeyi insan incelemesi olmadan yalnızca YZ’ye bırakmanın etik ve hukuki sorular doğuracağını vurguluyor. Görüntü alma kalitesine sıkı kontroller ve YZ performansının sürekli izlenmesi gibi ek güvencelerin, çoğu taramayı insan incelemesi olmadan normal olarak etiketlemeye güvenmeden önce gerekli olacağını savunuyorlar.

Gelecek Taramalar İçin Anlamı

Hekim dışı okuyucuya göre çıkarım şu: iyi tasarlanmış YZ, radyologların çok daha fazla tarama incelemesini yönetmesine yardımcı olabilir ve en azından aynı sayıda, bazı durumlarda daha fazla erken meme kanserini tespit edebilir. Bu çalışmada YZ’nin düşük riskli mamografileri otomatik olarak temizlemesine izin verilmesi, radyolog iş yükünü neredeyse üçte iki oranında azalttı, pozitif bulguların doğruluğunu korudu ve genel kanser tespitini biraz iyileştirdi; ancak daha fazla kadın takip için çağrıldı. Çalışma, uygun denetim ve ileri doğrulama ile YZ tabanlı triyaj ve karar desteğinin büyük ölçekli meme kanseri taramalarını hem sağlık sistemleri için daha sürdürülebilir hem de hastalığı erken yakalamada daha etkili hale getirebileceğini öne sürüyor.

Atıf: Elías-Cabot, E., Romero-Martín, S., Raya-Povedano, J.L. et al. AI-based triage and decision support in mammography and digital tomosynthesis for breast cancer screening: a paired, noninferiority trial. Nat Med 32, 1296–1305 (2026). https://doi.org/10.1038/s41591-026-04277-x

Anahtar kelimeler: meme kanseri taraması, mamografi, yapay zekâ, radyoloji iş yükü, erken kanser tespiti