Memeografi sistemleri arasında meme kanseri risk tahmin algoritmalarının Birleşik Krallık tarama programındaki performansı

Bu neden kadınlar ve aileler için önemli

Meme taraması, kanserleri erken tespit ederek hayat kurtarır; ancak birçok tümör, rutin mamografiler arasındaki yıllarda ortaya çıkar ve genellikle daha ileri evrede bulunur. Bu çalışma basit ama önemli bir soruyu soruyor: Yapay zeka (YZ), "normal" görünen bir mamogramı okuyup aslında kısa vadede yüksek risk taşıyan kadınları sessizce işaretleyebilir mi, böylece kanser büyüyüp yayılmadan önce ek kontroller teklif edilebilir mi?

Normal bir mamogramda daha fazlasını görmek

Birleşik Krallık da dahil olmak üzere çoğu ulusal tarama programı, kadınları üç yılda bir mamografi için davet eder. Şüpheli bir durum görülmezse tarama "negatif" olarak bildirilir ve kadınlar normal yaşamlarına döner. Buna karşın taranan kadınlarda görülen meme kanserlerinin yaklaşık %30’u, planlı ziyaretler arasındaki dönemde ortaya çıkan ve genellikle daha kötü prognoza sahip "aralık (interval) kanserleri"dir. Son zamanlarda güçlü YZ sistemleri, insan okuyucular için normal görünen mamogramları taramayı ve her kadına kısa vadeli bir risk puanı atamayı öğrendi. Amaç, bu gizli bilgiyi kadınların tarama sıklığını kişiselleştirmek ve kimlere MRI ya da kontrastlı mamografi gibi daha hassas testler teklif edilmesi gerektiğini belirlemede kullanmaktır.

Dört YZ aracını teste sokmak

Araştırmacılar, İngiltere’deki iki NHS Meme Tarama Programı merkezinden 2014–2017 arasındaki bir tam üç yıllık turu kapsayan ve kadınları beş yıl boyunca izleyen 112.621 negatif tarama mamografisini incelediler. İki merkez farklı dijital mamografi cihazları (Philips ve GE) kullandı; bu, gerçek dünya varyasyonunu yansıtıyor. İzlem sırasında 1.225 kadında meme kanseri gelişti; bunların 396’sı aralık kanseri ve geri kalanları bir sonraki tarama turunda bulunan ek kanserlerdi. Dört önde gelen YZ risk algoritması—üç ticari ve bir akademik model—her mamogramda yerel olarak çalıştırılarak gelecekteki kanser için bir risk puanı üretildi ve performansları karşılaştırıldı.

Algoritmalar gelecekteki kanserleri ne kadar iyi saptadı

Dört YZ sisteminin tamamı, şansa göre daha iyi biçimde, kimlerin kanser geliştirip geliştirmeyeceğini ayırt edebildi; ancak hepsi eşit iyi değildi. Bir algoritma (DL‑1 olarak etiketlenmiş) tutarlı biçimde en güçlü performansı gösterirken bir diğeri (DL‑3) geride kaldı. Araştırmacılar, "normal" bir taramadan kısa süre sonra ortaya çıkan aralık kanserlerine odaklandıklarında, en iyi model önceki tek algoritmalı çalışmalara benzer veya onlardan daha iyi doğruluk seviyelerine ulaştı. Önemli olarak, dört araçtan üçünün performansı hem Philips hem de GE görüntüleri üzerinde benzerdi; bu, en azından bazı tarama donanımı farklılıklarıyla başa çıkabildiklerini gösteriyor, ancak bir algoritmanın bir sistemde belirgin şekilde daha kötü performans sergilediği gözlendi.

En yüksek risk puarlarına göre harekete geçersek ne olur?

Tarama servisleri için pratik soru, YZ puanlarına dayanarak kaç kadının tekrar çağrılacağıdır. Bu nedenle araştırmacılar klinik olarak anlamlı kesme noktalarına baktılar. Eğer sadece en yüksek riskli %4’lük dilimdeki kadınlar (her aracın puanlarına göre) ek dikkat için seçilseydi, en iyi iki algoritma birlikte gelecekteki tüm kanserlerin yaklaşık beşte birini ve aralık kanserlerinin dörtte birinden fazlasını yakalardı. Eşik, bazı Kuzey Amerika programlarındaki çağrı oranlarına daha yakın olacak şekilde en yüksek %14’e gevşetildiğinde ise verim yaklaşık olarak iki katına çıktı: en güçlü model tüm gelecekteki kanserlerin yaklaşık %42’sini ve aralık kanserlerinin yarısını tanımladı. Bununla birlikte, her algoritma kısmen farklı bir kanser alt kümesini işaretleme eğilimindeydi ve örtüşme nispeten azdı; bu da toplu modellerin veya çoklu araç stratejilerinin tek bir modelin yakalayabileceğinden daha fazla tümör bulabileceğini düşündürüyor.

Güçlü yönler, eksiklikler ve bir sonraki adımlar

Bu çalışma, dar seçilmiş bir araştırma örneği yerine iki büyük NHS tarama merkezinden eksiksiz, rutin veriler kullandığı ve Birleşik Krallık ortamında isimlendirilmiş birkaç YZ risk aracını yan yana değerlendiren ilk çalışmalar arasında yer aldığı için öne çıkıyor. Aynı zamanda bazı sınırlamalar var. İmplantı olan veya standart olmayan görüntüleme görünümleri kullanılan kadınlar hariç tutuldu ve çalışma yalnızca iki mamografi markasını kapsadı; dolayısıyla diğer ekipmanlarda veya farklı etnik gruplarda performans belirsiz kalıyor. Analiz geriye dönük olduğundan, risk temelli ek görüntüleme ile daha erken bulunabilecek bazı kanserler sayılmamış olabilir; bu da gerçek yararın bildirilen değerden daha büyük olabileceği anlamına geliyor.

Bu, gelecekteki meme taraması için ne anlama geliyor

Halk düzeyinde çıkarım şudur: Modern YZ gerçekten de insan gözünde "normal" görünen mamogramlarda yakında meme kanseri geliştirme olasılığı yüksek olan kadınları öngören işaretler bulabilir; özellikle erken yakalanması zor olan aralık kanserlerini. En iyi algoritmalar teorik olarak tarama programlarının nispeten küçük bir yüksek riskli grup için daha sık veya daha hassas testler sunmasına izin verebilirken, diğerleri standart üç yıllık kontrollerle devam edebilir. Ancak araçlar arasındaki ve görüntüleme sistemleri arasındaki farklılıklar, tek bir YZ modelinin dikkatli testler yapılmadan her yerde benimsenmeye hazır olmadığını gösteriyor. Yazarlar, YZ yönlendirmeli risk temelli meme taraması güvenle rutin bakım haline gelmeden önce birden çok algoritmanın kullanıldığı büyük prospektif denemeler ile yerel tarayıcılara ve popülasyonlara göre ince ayar yapılmasını savunuyorlar.

Atıf: Rothwell, J., Payne, N., Kilburn-Toppin, F. et al. Performance of breast cancer risk prediction algorithms across mammography systems in the UK screening programme. npj Digit. Med. 9, 330 (2026). https://doi.org/10.1038/s41746-026-02507-7

Anahtar kelimeler: meme kanseri taraması, yapay zeka, memeografi, risk tahmini, aralık (interval) kanserleri