Endoskopik floresan perfüzyon analizine dayalı rektal neoplazinin yapay zeka sınıflandırması

Hastalar ve hekimler için neden önemli

Büyük rektal polipleri olan kişiler için en büyük sorulardan biri, lezyonun zararsız mı yoksa zaten kanserleşmeye mi başladığıdır. Bugün doktorlar genellikle lezyonu tamamen çıkarana kadar emin olamaz; bu da gereğinden büyük ameliyatlara ya da tedavide gecikmelere yol açabilir. Bu çalışma, akıllı bir görüntüleme tekniğinin yapay zekâ ile birleştiğinde, işlemin hemen sırasında dokuya kan akışını izleyerek gizli kanseri tespit edip edemeyeceğini araştırıyor.

Tümörün nasıl beslendiğini dinlemek

Kanserler normal dokular gibi büyümez. Yeni, anormal kan damarlarının oluşmasını uyarır; bu damarlar sızdırır ve düzensiz şekilde dallanır. Bu değişiklikler, kanın ve verilen boyaların tümöre nasıl giriş çıkış yaptığında ayırt edici desenler oluşturur. Araştırmacılar, yakın‑kızılötesi ışık altında parlayan indosiyanin yeşili adlı bir boya kullandı ve büyük rektal polipli ve erken rektal kanserli hastalarda endoskopik cerrahi sırasında kısa videolar kaydetti. Parlamanın birkaç dakika boyunca parlaklığını izleyerek, aynı hasta içindeki şüpheli ve sağlıklı bölgeler için bir tür “perfüzyon parmak izi” yakalayabildiler.

Parlama desenlerini veriye dönüştürmek

Her video, görünür bağırsak duvarı bölgesini küçük kareler ızgarasına bölen ve kamera ile doku hareket etse bile bunları zaman içinde takip eden özel yazılım tarafından analiz edildi. Her kare için program, floresansın ne kadar parlaklaştığını, ne kadar hızlı tepeye ulaştığını ve ne kadar hızlı söndüğünü ölçtü. Ardından bu eğrileri temizleyip normalize ederek doğrudan karşılaştırılabilir hale getirdi. Bu zaman izlerinden ekip, maksimum sinyal ve tepe sonrası belirli zamanlarda sinyal düşüşü gibi basit sayısal özellikler çıkardı. Ayrıca bu değerlerin anormal bölge içinde ne kadar düzensiz dağıldığını, tümör ile yakın sağlıklı doku arasındaki varyasyonu yakalayan bir istatistik kullanarak incelediler.

Yapay zekâyı eğitmek

Çalışma, dört ülkedeki altı hastanede tedavi gören 182 hastadan alınan 190 videoyu inceledi; hastaların yaklaşık üçte ikisinde mikroskop altında kanser doğrulandı. Ekip, yalnızca boya‑akış özelliklerine dayalı olarak iyi huylu ve kanserli lezyonları ayırt etmeyi öğrenmesi için bir makine öğrenimi modeli (XGBoost sınıflandırıcısı) eğitti; normal renkli görüntülere bakılmadı. Yeni olgularda model, kanseri önemli bir çoğunlukta doğru şekilde tanımladı ve endoskopik biyopsiler, preoperatif MRG taramaları ve deneyimli cerrahın görsel izlenimi gibi pratikte kullanılan birçok standart araçla benzer veya biraz daha iyi performans gösterdi.

Gerçek dünya klinik ipuçlarını eklemek

Gerçekte doktorlar nadiren tek bir teste güvenilir. Bu nedenle araştırmacılar, yapay zekânın çıktısını zaten mevcut olan bilgilerle birleştirdiler: MRG raporları ve ameliyatı yapan cerrahın değerlendirmesi. Bunlar aynı bilgisayar ortamına girildiğinde kanseri tespit etme yeteneği iyileşti; özellikle iyi huylu lezyonlarda hastalığın doğru şekilde ekarte edilmesinde gelişme oldu. En iyi senaryoda, birleşik sistem kanserlerin yaklaşık %86’sını tespit ederken kanser olmayan olguların yaklaşık %71’inde yanlış alarma yol açmadı. Yöntem, erken ve lokal olarak çıkarılabilir hastalığı daha tipik olan hasta altgruplarında da makul derecede iyi çalıştı.

Gelecekte bakım için anlamı ne olabilir

Çalışma, büyük rektal poliplerdeki kanserlerin, kan ve boyanın bu dokulardan akışında tespit edilebilir bir imza bıraktığını ve bu imzanın yapay zekâ tarafından otomatik olarak yakalanabileceğini gösteriyor. Şu ana kadar çalışmalar kaydedilmiş videolar üzerinde yapılmış olup gerçek zamanlı klinik denemelerde kanıtlanması gerekiyor, ancak bu yaklaşım, bir kolonoskopistin işlem sırasında görünüşte zararsız bir polipin muhtemelen invaziv bir kanser barındırdığını öngören uyarılar alabileceği bir geleceğe işaret ediyor. Bu bilgi, nereden biyopsi alınacağına, lezyonun lokal olarak çıkarılıp çıkarılmayacağına veya hastanın daha kapsamlı cerrahi için sevk edilip edilmeyeceğine rehberlik edebilir; hem kaçırılan kanserleri hem de gereksiz büyük operasyonları azaltabilir.

Atıf: Boland, P.A., MacAonghusa, P., Singaravelu, A. et al. Artificial intelligence classification of rectal neoplasia by endoscopic fluorescence perfusion analysis. Sci Rep 16, 4761 (2026). https://doi.org/10.1038/s41598-026-35233-x

Anahtar kelimeler: rektum kanseri, endoskopik görüntüleme, floresan perfüzyon, yapay zeka, makine öğrenimi