Harvard, tek fotoğrafla kanser hastalarının yaşam süresini tahmin eden yapay zeka geliştirdi

Harvard Tıp Fakültesi’ne bağlı Mass General Brigham Kanser Araştırma Enstitüsü’nden Prof. Raymond Mac liderliğindeki uluslararası ekip, yüz görüntülerinden sağkalım olasılığına ilişkin tahminler üreten bir yapay zeka sistemi geliştirdi. 

The Lancet Digital Health dergisinde yayımlanan çalışmada, 'Face of Death' (Ölümün Yüzü) adı verilen modelin göz altı ve burun köprüsü gibi bölgelerdeki ayrıntıları analiz ettiği belirtildi. Araştırma, kanser tedavisinde önemli olan genel sağlık durumu ve fiziksel dayanıklılığın değerlendirilmesine ek bir veri kaynağı sunmayı amaçladı.

İKİ MODELLİ YAPI 

Sistemin eğitiminde 40 milyondan fazla yüz fotoğrafından oluşan veri tabanı kullanıldı. Araştırmacılar, birbirini tamamlayan iki derin öğrenme modeli tasarladı. İlk model, yüz özelliklerinden biyolojik yaşı ortalama beş yıllık hata payıyla tahmin etti. İkinci model ise hastaları ölüm riski düzeyine göre derecelendirdi.

Çalışmada, sistemin en yüksek risk grubuna yerleştirdiği hastaların yarısından fazlasının 90 gün içinde yaşamını yitirdiği belirlendi. Bu sonuç, modelin incelenen hasta grubunda yüksek riskli vakaları ayırt edebildiğine işaret etti.

YÜZDEKİ ANATOMİK İZLER 

Araştırma ekibi, modelin değerlendirmelerinde hangi yüz bölgelerine ağırlık verdiğini de inceledi. Ağların özellikle göz altı torbaları, çöküntüler ve burun köprüsü çevresindeki doku değişimlerine odaklandığı görüldü. Ekip, bu bölgeleri Hipokrat’ın binlerce yıl önce tarif ettiği klinik işaretlerle karşılaştırdı.

Çökmüş gözler, çukurlaşmış şakaklar ve sivrilen burun yapısı, 'Facies Hippocratica' olarak bilinen görünümün özellikleri arasında yer alıyor. Araştırmacılar, modelin odaklandığı anatomik ayrıntılarla tarihsel tıbbi gözlemler arasında örtüşme bulunduğunu belirtti.

TEDAVİ PLANLAMASINA DESTEK 

Araştırmacılara göre sistem, onkoloji kliniklerinde hastaya uygun tedavi stratejisinin belirlenmesine yardımcı olabilir. Hastanın biyolojik dayanıklılığına ilişkin değerlendirmelerin; cerrahi, yüksek doz kemoterapi veya radyoterapi gibi ağır müdahalelerin uygulanabilirliği tartışılırken kullanılması hedefleniyor.

Hekimler dış görünüşten sağlık durumuna ilişkin gözlemler yapabilse de ileri evredeki hastaların kalan yaşam süresini tahmin etmekte güçlük yaşayabiliyor. Modelin bu değerlendirmelere ek bilgi sağlaması beklenirken, bireysel sağkalım süresini kesin olarak belirlediği anlamına gelmediği vurgulanıyor. Klinik kullanım açısından güvenilirliğinin doğrulanmasına yönelik çalışmalar sürüyor.