Sayısallaştırılmış mide biyopsilerinde intestinal metaplazinin derin öğrenme tabanlı tespiti ve nicelenmesi: çoklu uzman karşılaştırma çalışması

Sağlığınız açısından neden önemli

Mide kanseri, genellikle çok geç tespit edildiği için dünya çapında en ölümcül kanserlerden biri olmaya devam ediyor. Doktorlar, midenin astarında görülen ve kanser öncesi bir değişiklik olan intestinal metaplazinin, tümör ortaya çıkmadan yıllar önce daha yüksek riskin işareti olduğunu biliyor. Ancak bugün bu uyarı işareti gözle değerlendiriliyor; bu da iki uzmanın aynı biyopsiye bakıp ne kadar ciddi olduğuna farklı görüşlere varabileceği anlamına geliyor. Bu çalışma, yapay zekânın bu kritik erken uyarı adımında daha fazla tutarlılık ve kesinlik sağlayıp sağlayamayacağını araştırıyor.

Doktorlar midede problemleri nasıl arar

Olası mide hastalığı için inceleme yapıldığında, midenin birkaç standart noktasından küçük doku örnekleri alınır ve mikroskop altında incelenir. Patologlar iltihap, normal bezlerin kaybı ve özellikle yerinde olmaması gereken bağırsak benzeri hücrelerin görünümü gibi ipuçlarına bakar. Bu değişiklikler ne kadar yaygınsa ve midenin ne kadar alanını kaplıyorsa, kişinin sonunda mide kanseri geliştirme olasılığı o kadar yüksek olarak değerlendirilir. Mevcut puanlama sistemleri bu görsel izlenimleri çok düşükten çok yükseğe kadar evrelere dönüştürür ve hastanın ne kadar sık takip edilmesi gerektiğine rehberlik eder.

Yalnızca insan yargısının sorunu

Bu sistemler kliniklerde yaygın olarak kullanılmasına rağmen, dokunun ne kadarının değişmiş olduğuna dair bir patologun en iyi tahminine dayanır. Önceki araştırmalar ve günlük deneyim, iyi eğitimli uzmanların bile tahminlerinde belirgin farklılıklar gösterebileceğini ortaya koydu. Bu çalışmada üç patolog, Kolombiyalı gönüllülerden ve hastalardan alınan 200’den fazla mide biyopsisi setini bağımsız olarak puanladı. Uyumları sadece hafiften orta düzeye kadar değişiyordu; bu da aynı olgunun, kimin okuduğuna bağlı olarak farklı risk evreleri alabileceği anlamına geliyor. Bu değişkenlik, bazı kişilerin yanlışlıkla rahatlatılabileceği veya bazılarının gerçekte olduklarından daha yüksek riskli oldukları bildirilerek gereksiz endişeye sevk edilebileceği kaygılarını doğuruyor.

Bir bilgisayara biyopsi lamlarını okutmak

Araştırmacılar, görüntülerdeki desenleri tanımada başarılı olan bir yapay zekâ türü olan derin öğrenmenin yardımcı olup olamayacağını sordular. Kişi başına beş biyopsi örneğini çok yüksek büyütmede dijitalleştirdiler ve önce erken değişikliklerin ortaya çıktığı doku içindeki bez yapıları tespit etmek için özel bir algoritma kullandılar. Bu bölgelerden yüzbinlerce küçük görüntü parçası (tile) çıkardılar. Deneyimli bir patolog daha önce intestinal metaplazinin bulunduğu alanları işaretlemişti, bu sayede ekip tile’ları değişmiş veya normal olarak etiketleyebildi. Birkaç modern sinir ağı tasarımı aşamalı olarak eğitildi: önce büyük mevcut görüntü veritabanlarından öğrenip, ardından bu mide örnekleri üzerinde ince ayar yapılarak metaplazi gösteren ve normal tile’ları ayırt etmeleri sağlandı.

Bilgisayarın buldukları ve karşılaştırma

Test edilen modeller arasında belirli bir mimari en iyi sonuçları verdi; intestinal metaplaziyi tile düzeyinde çoğunlukla doğru tanıdı ve diğer tıbbi görüntüleme görevlerinde görülen performans seviyelerine ulaştı. Tile düzeyindeki tahminler tüm-lam görüntülerine geri yerleştirildiğinde, model değişmiş bezlerin olası konumlarını gösteren renk kodlu haritalar üretti. Bu haritalardan program otomatik olarak her biyopsi bölgesindeki değişmiş doku yüzdesini hesapladı ve bu yüzdeleri insan uzmanlar tarafından kullanılan aynı risk evrelerine dönüştürdü. Model hiçbir tek patologla mükemmel örtüşme göstermese de, tahminleri ile güçlü bir korelasyon sergiledi ve önemli olarak, vakadan vakaya insanlar arasındaki tutarsızlıktan daha az değişkenlik gösterdi.

Gelecekteki bakım için bunun anlamı ne olabilir

Çalışma, derin öğrenme sistemlerinin mide biyopsileri için istikrarlı bir “ikinci okur” rolü oynayabileceğini; dokunun ne kadarının erken kanser öncesi değişiklik gösterdiğine dair nesnel ölçümler sunabileceğini öne sürüyor. Patologların yerini almak yerine, bu tür araçlar onlara güvenilir bir temel sağlayabilir, tahmin ve anlaşmazlığı azaltabilir ve gerçekten daha yüksek risk taşıyan hastaların doğru şekilde tanımlanıp izlenmesini sağlamaya yardımcı olabilir. Farklı hastanelerde daha geniş testler ve doku alt tiplerinin daha ayrıntılı etiketlenmesi ile bu yaklaşım nihayetinde mide kanserini önlemek için kimin daha sık takip edilmesi gerektiğine dair daha kişiselleştirilmiş ve güvenilir kararları destekleyebilir.

Atıf: Cano, F., Caviedes, M., Siabatto, A. et al. Towards deep-learning based detection and quantification of intestinal metaplasia on digitized gastric biopsies: a multi-expert comparative study. Sci Rep 16, 9606 (2026). https://doi.org/10.1038/s41598-025-32737-w

Anahtar kelimeler: mide kanseri, intestinal metaplazi, derin öğrenme, dijital patoloji, kanser risk sınıflandırması