Meme kanseri taramasında yapay zekânın tanısal doğruluğu, adaleti ve klinik uygulanması: Çok merkezli retrospektif ve prospektif teknik fizibilite çalışmalarının sonuçları

Günlük Kadınlar İçin Daha Akıllı Tarama

Meme kanseri taraması hayat kurtarıyor, ancak aynı zamanda sağlık sistemleri üzerinde baskı yaratıyor ve kanserleri atlayabiliyor ya da stresli yanlış alarmlara yol açabiliyor. Bu çalışma, büyük sonuçları olan basit bir soruyu soruyor: yapay zekâ (YZ) programı Birleşik Krallık’ın ulusal tarama programında mamografileri güvenli biçimde okumaya yardımcı olabilir mi; daha tehlikeli kanserleri yakalarken yoğun çalışan uzmanların yükünü hafifletebilir mi — ve bunu farklı geçmişe sahip kadınlar için adil şekilde yapabilir mi?

Bugün Tarama Nasıl İşliyor

Birleşik Krallık da dahil olmak üzere birçok ülkede 50–70 yaş arası kadınlar düzenli mamografi için davet edilir. İngiltere’de her tarama genellikle iki insan uzmanın bağımsız okumasıyla değerlendirilir; fikir ayrılığı olursa vaka bir panel tarafından gözden geçirilir. Bu çift‑okuma sistemi güvenlik amaçlı tasarlanmıştır, ancak zaman alıcıdır ve yeterli sayıda eğitimli okuyucuya bağlıdır — ki birçok sağlık sistemi bununla mücadele etmektedir. Daha önceki bilgisayar araçları sınırlı yardım sağladı ve bazen netlikten çok gürültü ekledi; bu nedenle sağlık otoriteleri modern YZ’yi ulusal programlara güvenle dahil etmeden önce güçlü yeni kanıtlar talep ettiler.

YZ’yi Gerçek Kliniklerde Test Etmek

Araştırmacılar Google’ın güncellenmiş mammografi YZ’sini NHS’in içinde iki ana aşamada değerlendirdi. İlk olarak, sistemi beş farklı bölgeden neredeyse 116.000 geçmiş tarama sınavı üzerinde çalıştırdılar ve hangi kanserlerin gerçekten ortaya çıktığını görmek için kadınları üç yıldan fazla süreyle izlediler. Ardından YZ’nin performansını ilk insan okuyucu, ikinci okuyucu ve nihai panel kararına karşı karşılaştırdılar. İkinci aşamada ise YZ’yi 12 tarama sitesine sessizce kurup, gerçek zamanlı olarak 9.000’den fazla yeni sınavı—bakımı etkilemeden—işlemesine izin verdiler; amaç, sistemin günlük uygulamadaki davranışını ve ayarlarının nasıl ince ayar gerektirebileceğini incelemekti.

YZ’nin Gördükleri — Ve Yakaladıkları

Büyük retrospektif veri setinde YZ, ilk insan okuyucudan daha duyarlıydı: yanlış alarm oranını önceden belirlenmiş güvenlik sınırı içinde tutarken daha fazla kanseri tespit etti. Çift‑okuma iş akışında bir okuyucu olarak kullanılsaydı, sistem kadın başına yaklaşık 1.000’de 7,5 olan kanser tespit oranını 9,3’e yükseltirdi ve başlangıçta kaçırılmış olup daha sonra ya taramalar arasında ya da bir sonraki rutin ziyarette keşfedilen her dört kanserden birini doğru şekilde işaretledi. Kazançlar, genellikle önceki görüntülerin bulunmaması nedeniyle yorumlaması en zor grup olan ilk taramaya gelen kadınlarda özellikle güçlüydü. Bu ilk ziyaretlerde YZ daha az kadını çağırdı ve hâlâ biraz daha fazla kanser, özellikle en büyük tehdidi oluşturan invaziv tümörleri tespit etti.

Adalet, İş Yükü ve Gerçek Dünya Engelleri

Araştırma ekibi YZ’nin farklı kadın gruplarına adil davranıp davranmadığını dikkatle inceledi. Yaş, meme yoğunluğu, sosyoekonomik durum ve mevcut sınırlı etnisite verileri genelinde, zararlı bir önyargının tutarlı işaretlerini görmediler: duyarlılık ve özgüllük insan okuyucularla karşılaştırıldığında dar sınırlar içinde kaldı, ancak çok küçük bazı alt gruplarda belirsizlik genişti. Ayrıca YZ’yi ikinci okuyucu olarak kullanmanın işin nasıl yeniden şekilleneceğini modellenmesini yaptılar. Panel incelemesi öncesi insan tarafından yapılan okuma sayısı neredeyse yarıya inebilir, okuyucu süresini yaklaşık üçte bir azaltabilir, ancak daha fazla vaka panelin dikkatine yükseltilecektir. Canlı fizibilite aşamasında YZ sonuçları dakikalar içinde verdi—rutin insan okumasından çok daha hızlı—ancak ekip, güncel görüntülerin eski eğitim verileriyle karşılaştırıldığında görünümlerinde bir değişim olduğunu keşfetti. Başlangıçtaki işletme eşiği çok hassas çıktı, daha yüksek çağrı oranlarına neden oldu ve taze yerel veriler kullanılarak aşağı yönde yeniden kalibre edilmesi gerekti.

YZ’ye Uygun Bir Tarama Sistemi Kurmak

Doğruluğun ötesinde, çalışma güvenli dağıtıma yönelik pratik engelleri ortaya koydu. Birçok tarama merkezi hâlâ YZ sonuçlarını otomatik olarak depolayamayan ya da bir taramanın neden geri çağrıldığını açıklayamayan kağıt formlar ve eski yazılımlara dayanıyor—bunlar düzenleyiciler ve klinisyenlerin ihtiyaç duyduğu özellikler. Yazarlar, performansı ve adaleti zaman içinde izlemek için tam dijital, standartlaştırılmış iş akışlarının ve demografik verilerin daha iyi toplanmasının hayati olacağını savunuyor. Ayrıca YZ eşiklerinin “ayarla ve unut” yapılamayacağını vurguluyorlar: görüntü ekipmanı, okuyucu davranışı ve nüfus bileşimi değişir; bu nedenle sistem sürekli olarak kontrol edilmeli ve ayarlanmalı, net ulusal kurallar ve teknik destek sağlanmalıdır.

Bu Hastalar İçin Ne Anlama Geliyor

Bulgular, dikkatle uygulanmış bir YZ sisteminin, özellikle ilk mamografisine gelen kadınlarda ulusal meme tarama programlarının daha ciddi kanserleri daha erken yakalamasına yardımcı olabileceğini ve aşırı yüke maruz uzmanların iş yükünü hafifletebileceğini gösteriyor. Ancak yazarlar başarının yalnızca doğru bir algoritmadan fazlasına bağlı olduğunu vurguluyor. Sağlık hizmetlerinin devam eden kalibrasyon, sürüklenme ve önyargı için titiz izleme, yükseltilmiş BT altyapısı ve mevcut insan iş akışlarına dikkatli entegrasyon gerektireceğini belirtiyorlar. Bu güvenlik önlemleri sağlandığında, YZ yeni riskler ekleyen bir kara kutu olmaktan ziyade tarama verimliliğini ve adaletini artıran güvenilir bir ek okuyucu olabilir.

Atıf: Kelly, C.J., Wilson, M., Warren, L.M. et al. Diagnostic accuracy, fairness and clinical implementation of AI for breast cancer screening: results of multicenter retrospective and prospective technical feasibility studies. Nat Cancer 7, 494–506 (2026). https://doi.org/10.1038/s43018-026-01127-0

Anahtar kelimeler: meme kanseri taraması, tıbbi yapay zekâ, mammografi, sağlık hizmetlerinde adalet, klinik uygulama