İçindekiler
Meme kanseri, Amerikalı kadınlarda en sık teşhis edilen kanser türü; ancak bakım sürecindeki boşluklar hâlâ geniş. 40 yaş üstü kadınların çoğu önerilen yıllık taramayı atlıyor, radyologlar giderek daha az meslektaşla daha fazla mamografi okuyor ve teşhis sonrası tedaviyi belirleyen testler haftalar sürebiliyor.
NVIDIA Inception girişim programındaki şirketler, tam da bu sürtünme noktalarında klinisyenlere destek olacak yapay zeka uygulamaları geliştiriyor. ABD'de yılda yaklaşık 40 milyon mamografi çekiliyor; önümüzdeki on yılda on binlerce radyolog açığı öngörülüyor. Aşağıdaki girişimler, bu açığı NVIDIA yapay zeka altyapısıyla kapatmaya çalışıyor.
Görüntülemede otomasyon
iSono Health, tarama erişimini kolaylaştırmak için giyilebilir, otomatik bir 3B nicel ultrason sistemi geliştirdi. FDA onaylı ATUSA platformu, bir memeyi yaklaşık iki dakikada standart bir hacimde tarıyor; geleneksel elde taşınan ultrasonda bu süre 45 dakikaya kadar çıkabiliyor.
Sistemin yapay zekası, 1,5 milyondan fazla ultrason karesinden oluşan binlerce tam meme taramasıyla eğitildi. Şirkete göre ATUSA, elde taşınan 2B ultrasondan yüzde 28 daha hassas. Çünkü elde taşınan ultrason probu tutan kişiye bağlıyken, ATUSA her seferinde memeyi aynı biçimde yakalıyor ve yıllar arası karşılaştırma yapılabilir bir görünüm sunuyor. Şirket, 3.200 hastalık çok merkezli bir klinik çalışmayı sürdürüyor.
Tarama ve yanlış alarm
Bir diğer Inception şirketi Whiterabbit.ai, meme kanseri taramasına odaklanıyor. FDA onaylı WRDensity yazılımı, mamografiden meme yoğunluğunu otomatik değerlendiriyor ve yüz binlerce hastanın bakımında kullanıldı. Şirket ayrıca hastaların uzun vadeli meme kanseri riskini tahmin eden WRRisk adlı klinik karar destek yazılımını geliştirdi.
Şirketin CTO'su Jason Su, meme radyologlarının her 200 mamografide yaklaşık bir kanseri bulmaya çalıştığını, yani bir "samanlıkta iğne" problemiyle karşı karşıya olduklarını söylüyor. Hedef, yapay zekayı radyologların güçlü bir yardımcısı yaparak gereksiz geri çağırmaları azaltmak ve sonuçları hızlandırmak.
Tedavi yanıtını öngörmek
Teşhis konulduktan sonra asıl soru, kanserin tedaviye nasıl yanıt vereceği oluyor. Bugün bu öngörüler sınırlı ve genellikle iki-üç hafta bekleyen ayrı bir doku biyopsisi gerektiriyor. Ataraxis AI ise standart hasta iş akışının parçası olan patoloji slaytlarını kullanarak tedavi yanıtını ve nüks riskini tahmin eden klinik zeka geliştiriyor.
İki modeli 10'dan fazla kurumda ve birden çok klinik çalışmada doğrulanmış durumda ve aktif klinik kullanımda. Modellerden biri ameliyat öncesi kemoterapinin tümörü küçültüp küçültmeyeceğini öngörürken, diğeri ameliyat sonrası beş yıllık nüks riskini tahmin ediyor.
3B görselleştirme
SimBioSys, meme tümörlerinin, damarların ve diğer yumuşak dokuların doğru 3B modellerini oluşturuyor. Bu modeller ameliyatları yönlendirmeye ve tedavi planlarını etkilemeye yardımcı oluyor. Şirket, NVIDIA MONAI ve CUDA-X kütüphanelerini kullanarak görüntüleme teknolojisini bulutta NVIDIA GPU'ları üzerinde çalıştırıyor.
Şirketin CEO'su Stacey Stevens, NVIDIA teknolojisinin yüzlerce veya binlerce görüntüyü hızla analiz etme gücü verdiğini, bu hızın hastalar ve hekimler için kritik olduğunu vurguluyor.
Klinik iş akışına etkisi
Bu çözümlerin ortak paydası, hekimin yerini almak yerine onu hızlandırmak. ATUSA taramayı hastaya yaklaştırıyor, WRDensity yoğunluğu otomatik ölçüyor ve Ataraxis tedavi yanıtını haftalar yerine dijital veriden tahmin etmeye çalışıyor. Hepsi de radyolog açığının ve bekleme sürelerinin baskısını azaltmayı hedefliyor.
Önemli olan, bu araçların çoğunun zaten FDA onaylı olması ve klinik kullanımda bulunması. Yani burada teorik bir vaatten çok, sahada test edilmiş bir teknolojiden söz ediyoruz.
Veri ve gizlilik boyutu
Sağlık verisiyle eğitilen modeller, doğruluk kadar veri güvenliği sorularını da beraberinde getiriyor. Şirketler; bazı modelleri klinik içindeki GPU'larda, bazılarını ise bulutta çalıştırarak dağıtım esnekliği sağlıyor. Bu tercihler, hastane politikalarına ve yerel düzenlemelere göre şekilleniyor. Hasta verisinin nasıl saklandığı ve paylaşıldığı, bu teknolojilerin yaygınlaşmasında belirleyici olacak.
Özet
Bu örnekler, yapay zekanın sağlıkta yalnızca bir "gelecek vaadi" olmadığını gösteriyor: tarama, risk değerlendirmesi ve tedavi kararı gibi somut adımlarda klinisyenlere yardım eden araçlar hâlihazırda sahnede. Ancak makale, tanımlanan bazı teknolojilerin hâlâ araştırma aşamasında olduğunu ve FDA'nın ticari kullanım onayını almadığını da açıkça belirtiyor.