Makineli Öğrenme Gereksiz Ameliyatları Öngörüyor

Meme süt kanallarında anormal hücre bulunması ile kendini gösteren “atipik duktal hiperplazi” (ADH), meme kanseri riskinde dört ila beş kat artışa sebep oluyor. ADH’nin tespit edilmesinde öncelikli olarak mamografi kullanılıyor ve çekirdek iğne biyopsisi ile tanımlama yapılıyor. Biyopsi sırasında lezyonun çoklu geçişlerine rağmen, lezyonların sadece bazı kısımları örneklenebiliyor.



Diğer değişken faktörler örneklemeyi ve doğruluğu etkileyebiliyor, bundan dolayı kanser varlığı yüzde 10 ila 45 oranında hafife alınabiliyor. Mevcut durumda tüm ADH vakalarında, çekirdek iğne biyopsisi ile bulunan lezyonun kanserli olup olmadığını belirlemek için cerrahi olarak çıkarılması öneriliyor. ADH vakalarının yaklaşık yüzde 20 ila 30'u cerrahi eksizyondan sonra kansere dönüşüyor. Bu da demek oluyor ki, kadınların yüzde 70 ila 80'i, iyi huylu (ama yüksek riskli) bir lezyon yüzünden çok maliyetli ve invazif bir cerrahi işlem geçiriyor.



Dartmouth’tan Saeed Hassanpour, PhD, liderliğindeki bir araştırma ekibi, ADH'nin kansere dönüşmesini öngören bir makineli öğrenme yöntemi buldu. Klinik tedavi uzmanının bu bilgiye sahip olması, düşük riskli hastalarda aktif gözlem ve hormonal tedavinin cerrahi eksizyona karşılık makul bir alternatif olup olmadığına karar vermesi açısından yararlı olabilir. Yapılan değerlendirmeler sonucunda makineli öğrenme yaklaşımının, ameliyattan önce kötü huylu vakaların yüzde 98'ini tanımlayabildiğini; iyi huylu lezyonu olan kadınların yüzde 16’sını gereksiz bir ameliyattan koruduğunu ortaya koydu. Çalışmanın sonuçları, “Gereksiz Cerrahi Eksizyonları Azaltmak İçin Makineli Öğrenme Yaklaşımıyla Yükseltilen Atipik Duktal Hiperplazi Tahmini” başlığıyla JCO Clinical Cancer Informatics’ te yayınlandı.



Maligniteyi ekarte etmek için cerrahi eksizyon kullanılması, kadınların yüzde 70 ila 80'i iyi huylu ADH lezyonları için invazif cerrahi eksizyona maruz kaldığından zararsız değildir. Hassanpour, “Modelimiz, potansiyel olarak hastalara ve klinisyenlere düşük riskli vakalarda alternatif bir yaklaşım seçmelerinde yardımcı olabilir. Kişiselleştirilmiş tıp çağında bu tür modeller, düşük risk grubundaki hastalar için maliyet, stres ve potansiyel yan etkiler göz önünde bulundurulduğunda arzu edilebilir bir seçenek.” diyor.



Ekip önümüzdeki günlerde, lobüler neoplazi, papillom ve radyal yara izleri gibi diğer yüksek riskli meme lezyonlarını dahil ederek modellerinin kapsamını genişletmeyi planlıyor.