Altınbaş Üniversitesi'nden Doç. Dr. Handan Tanyıldızı Kökkülünk: - "Belirlenen biyo-belirteçler aracılığıyla makine öğrenmesi algoritmaları geliştirilerek akciğer kanserinin erken teşhisi sağlanacak ve bu sayede tedavi basamağına hızlı geçiş kazandırılacak"
Üniversiteden yapılan açıklamaya göre, artan dünya nüfusuyla sağlık alanında hastalık tanısının sadece insan gücüyle yönetilmesi mümkün olmazken, maliyetlerin azalması, verimliliğin artması, dikkatsizlik ve bilgi eksikliğinden kaynaklanan personel hatalarının ortadan kaldırılması, hastalara hızlı, doğru ve güvenilir tanı koyulması için yapay zeka teknolojileri kullanılıyor.
Hızlı ilerleyen kanser türleri arasında yer alan akciğer kanseri tanısını erken koyabilmek amacıyla yapay zekadan faydalanmayı amaçlayan Altınbaş Üniversitesi, "Sarkopeni, yeni nesil enflamasyon belirteçleri ve PET/BT anatomik-metabolik biyobelirteçler aracılığıyla makine öğrenmesi ile akciğer kanseri tanısının tahmin edilmesi" projesini geliştirdi.
"TÜBİTAK 1001" tarafından desteklenen proje, Altınbaş Üniversitesi Doç. Dr. Handan Tanyıldızı Kökkülünk liderliğinde yürütülüyor.
- "Erken tanı sayesinde hastaların yaşam kalitesinin artırılması bekleniyor"
Açıklamada görüşlerine yer verilen Kökkülünk, akciğer kanserinde erken tanının önemini anlatarak, "Proje kapsamında akciğer kanseri teşhis ve tedavisindeki bu yenilikçi yaklaşımın, erken tanı sayesinde hastaların yaşam kalitesini artırması ve sağlık sistemlerine büyük fayda sağlaması bekleniyor." ifadelerini kullandı.
Sürdürdükleri proje hakkında bilgi veren Kökkülünk, proje çalışmasında hastalara sadece klinik rutinde uygulanan kan tahlili, PET/CT görüntüleme gibi uygulamaların yapıldığını, bu uygulamalar sonucu kan tahlil sonuçlarından C-reaktif protein (CRP), sedimentasyon gibi enflamasyon belirteçler elde edildiğini, PET/CT görüntüleme sonuçlarından standardize tutulum değeri, metabolik tümör hacmi gibi verilerin hesaplandığını bildirdi.
Girişimsel olmayan tekniklerden fizyoterapi testleri aracılığıyla hastaların kas kütlesinin belirlendiğini ve elde edilen tüm verilerin kayıt altına alınarak makine öğrenmesi basamağında kullanılmak üzere işlendiğini kaydeden Kökkülünk, ilk hedeflerinin akciğer kanserinde tanıya yardımcı olacağı düşünülen, kolay elde edilir, hızlı sonuç veren, ulaşılabilir ve düşük maliyetli yeni biyo-belirteçlerin araştırılması olduğunu vurguladı.
Kökkülünk, "Belirlenen biyo-belirteçler aracılığıyla makine öğrenmesi algoritmaları geliştirilerek akciğer kanserinin erken teşhisi sağlanacak ve bu sayede tedavi basamağına hızlı geçiş kazandırılacak. Ayrıca, proje kapsamında alanında uzman nitelikli araştırmacılar yetiştirilmesi de hedefleniyor." değerlendirmesinde bulundu.
Makine modeliyle tanının hekim değerlendirmesinden önce yapılabileceğini aktaran Kökkülünk, şunları kaydetti:
"Proje ile yüksek doğrulukla akciğer kanseri tanısını tahmin edebilen makine öğrenmesi modelinin, sonraki aşamalarda kliniğe entegrasyonu sağlanacak. Bu sayede, sisteme verileri dahil olan hastanın akciğer kanseri tanısı taşıdığı hekim değerlendirmesinden önce belirlenmiş olacak ve hekimlerin iş yükü azalacak. Bu yenilikçi yaklaşımla, sağlık sektöründe daha etkin ve hızlı bir teşhis süreci hayata geçirilecek."