Over kanserinde görüntü tabanlı olarak rezektabiliteyi değerlendirmede yapay zekanın potansiyelinin araştırılması

Over Kanserinde Görüntü Tabanlı Olarak Rezektabiliteyi Değerlendirmede Yapay Zekanın Potansiyelinin Araştırılması Amaç: Kliniğimizde over kanseri nedeniyle tedavi alan hastaların tıbbi verilerini ve radyolojik görüntülerini, yapay zeka programı tahminleriyle karşılaştırmak ve analiz etmektir. Bu çalışmanın amacı, over kanserli hastalarda preoperatif görüntülemelere dayalı olarak yapay zeka programının rezektabilite tahmin yeteneğini değerlendirmek ve bu tahminleri radyoloji raporları ile klinikte uygulanan tedavilerle karşılaştırmaktır. Yapay zeka tabanlı sistemlerin over kanserinde rezektabiliteyi değerlendirmede ve tedavi planlanmasında ne derece etkili ve güvenilir olabileceği araştırılacaktır. Bu bağlamda çalışma, yapay zekanın tıbbi alanda kullanımının geleceğine dair önemli bilgiler sunmayı hedeflemektedir. Gereç ve yöntem: Bu çalışma, 01 Ocak 2015 ile 01 Ocak 2025 tarihleri arasında, Akdeniz Üniversitesi Kadın Hastalıkları ve Doğum Kliniği'ne başvuran veya tedavi alan over kanser tanılı hastaların incelenmesini içermektedir. Toplamda 230 hasta tespit edildi fakat 46 hastanın preoperatif görüntüleri ve patoloji sonuçlarına ulaşılamadı. Toplam 184 hasta üzerinde çalışıldı. Toplanan veriler yapay zeka programı ChatGPT'ye girildi. Her hastanın radyolojik görüntüleri ve klinik özellikleri değerlendirilerek yapay zeka tarafından tahmini bir rezektabilite olma ihtimali belirlendi. Radyolojik raporlar ile tekrar yapay zeka tarafından tahmini bir oran belirlendi. Bu oranlar karşılaştırıldı. Ayrıca en uygun tedavi seçeneğini belirlemesi amaçlandı. Önerilen tedavi seçeneği ile gerçekte uygulan tedaviler karşılaştırıldı. Aynı zamanda tanı konulduktan sonra tedavi arasında geçen süreç değerlendirildi. Yapay zeka programlarının tanı ile tedavi arasında geçen sürece katkısı araştırıldı. Bu çalışma, yapay zekanın klinik karar verme süreçlerine katkısını değerlendirmek ve potansiyel etkinliğini incelemek için tasarlandı. Bulgular: 01 Ocak 2015 ile 01 Ocak 2025 tarihleri arasında Akdeniz Üniversitesi Kadın Hastalıkları ve Doğum Kliniği'nde tedavi veya tanı alan over kanseri 184 hastanın tanı anındaki ortalama yaşları 55,67 ± 11,70 olarak bulundu, 53 hastaların %69,0'ı postmenopozal, %23,4'ü sigara kullanmakta, beden kitle indeksi (BMI) ortalaması 27,72 ± 4,83 olarak saptandı. Ek hastalıklar arasında en sık görüleni hipertansiyon olup, CA 12-5 değerleri incelendiğinde; ortalama değer 1305,34 ± 3495,64 dür. Patoloji türlerine göre en yaygın tanı %69 ile seröz tiptir. Bunu %10,9 ile endometrioid, %5,4 ile berrak hücreli ve %3,3 ile granüloza tipleri takip etmektedir. Seröz over kanseri tanısı konulan 127 hasta arasında grade dağılımı incelendiğinde, %89,8'i high gradedir. Uygulanan tedavi yöntemleri değerlendirildiğinde; hastaların %61,4'üne primer sitoredüksiyon uygulandığı belirlendi. Yapay zeka programının görüntü üzerinden değerlendirdiği rezektabilite olma ihtimali ile radyoloji raporlarına dayalı değerlendirdiği rezektabilite olma ihtimali karşılaştırıldığında; p<0.001 olup bu fark istatistiksel olarak anlamlı bulundu. Bu oranlar arasında %13,29 fark olduğu görüldü. Bu oranlar ayrı olarak değerlendirildiğinde %64.1 hastada daha yüksek, %7.1 hastada eşit olarak bulundu. Yapay zekanın görüntüleme üzerinden verdiği rezektabilite olma ihtimalinin, radyoloji uzmanlarının raporlarını değerlendirerek verdiği rezektabilite olma ihtimaline göre yüksek oran verdiği hastalarda fark ortalama %14.28, düşük oran verdiği hastalarda fark ortalama %14.34 olarak bulundu. Görüntüleme yöntemleri kendi içlerinde ayrı ayrı değerlendirildiğinde BT raporları arasında %13,20; MR görüntülemesi yapılan hastalarda %12,86; PET yapılan hastalarda %14,17 gibi bir fark olduğu bulundu. Ayrıca yapay zekanın önerdiği tedavi seçeneği ile hastaya uygulanan tedavi karşılatırıldı ve sonuç olarak 184 geçerli vakanın %75.5'inde yapay zeka ile doktor kararı birebir örtüştüğü izlendi. Bu da klinik karar alma süreçlerinin yapay zeka ile ilişkili olduğu ve yapay zeka önerilerinin çoğu durumda dikkate alındığını göstermektedir. Yapay zeka tarafından önerilen tedavi ile gerçekte uygulanan tedavi arasında %24.5 uyumsuzluk oranı bulundu. Bunların %88.9'una neoadjuvan tedavi önerilmesine rağmen operasyon uygulandığı gösterildi. Neoadjuvan tedavi önerilmesine rağmen operasyon uygulanan hastaların ise %52.5'inde maksimal sitoredüksiyon sağlanamadığı tespit edildi. Neoadjuvan tedavi yapılan 71 hastanın 69 tanesine rezeksiyona uygun olmadığı için, 2 tanesine operasyon yapılabilecekken komorbid durumlar nedeniyle neoadjuvan tedavi uygulandığı ve bu hastalara yapay zeka tarafından da neoadjuvan tedavi önerildiği tespit edildi. Bu durum hastaların yönetim sürecinde yapay zeka destekli 54 sistemlerden faydalanabileceğini düşündürmektedir. Ayrıca tanı ile tedaviye karar verme arasında geçen süre değerlendirildi. 184 veri üzerinden aradaki sürenin ortalaması alındı. Ortalama değer 35,17 olarak saptandı. Yani buna göre görüntüleme yöntemi ile karar verme ve tedaviye başlama süreci arasında ortalama 35 gün bir süre geçtiği tespit edildi. Sonuçlar: Over kanseri, genellikle geç evrede tanı alması ve yüksek mortalite oranı nedeniyle etkin tanı ve tedavi planlaması gerektiren bir malignitedir. Cerrahi rezektabilitenin doğru şekilde değerlendirilmesi hasta sağkalımı açısından kritik öneme sahiptir. Bu çalışmada, yapay zeka tabanlı sistemlerin görüntüleme temelli rezektabilite tahminindeki performansı ve klinik karar süreçlerine katkısı araştırılmıştır. Çalışmada yapay zeka, over kanserinde rezektabilite değerlendirmesi ve tedavi planlamasında umut vaat eden bir destek aracı olarak öne çıkmaktadır. Yapay zeka teknolojilerinin over kanserinde rezektabilite değerlendirmesi ve tedavi planlamasında karar destek aracı olarak etkin biçimde kullanılabileceği düşünülmektedir. Klinik karar süreçlerine entegre edildiğinde, tanısal doğruluğu artırma ve tedaviye başlama süresini kısaltma gibi katkılar sağlayabilir. Ancak, yapay zekanın önerileri ve gerçek klinik uygulamalar arasında bazı farklılıkların bulunması, yapay zekanın henüz bağımsız bir karar verme aracı olarak kullanılmaması gerektiğini göstermektedir. Yapay zeka önerilerinin klinisyen tarafından bireyselleştirilerek dikkatle değerlendirilmesi ve destekleyici bir araç olarak kullanılması gerekmektdir. Bu sistemlerin rutin kullanımı öncesinde daha büyük örneklemlerle ve çok merkezli ileri araştırmalara ihtiyaç vardır. Anahtar kelimeler: Yapay zeka, Over Kanseri, Rezektabilite, Görüntüleme Yöntemleri, BT, MRI, PET, Jinekolojik Onkoloji