Kalp MR'ında yapay zekâ ölçümü, hekim ölçümünden daha iyi hayatta kalma tahmini sundu

Manyetik rezonans görüntüleme (MR) taramalarından kalp fonksiyonunu yapay zekâyla değerlendirmek, aynı ölçümün uzman hekimler tarafından yapılmasına kıyasla hastaların hayatta kalma durumunu daha güçlü biçimde öngörebiliyor. Bulgular, 2 Kasım'da The Lancet Digital Health dergisinde çevrimiçi olarak yayımlanan bir çalışmadan geliyor. Fark büyük değil, ancak araştırmacılara göre anlamlı.

Araştırmada ne yapıldı?

Çalışmayı City St George's, University of London'dan George Joy ve meslektaşları yürüttü. Ekip, kalp MR görüntülerinde sol karıncığın derin öğrenmeye dayalı bir yapay zekâ modeliyle bölümlere ayrılmasının, yani sınırlarının çizilmesinin, uzman hekimlerin yaptığı çizimden daha iyi bir ölüm tahmini sağlayıp sağlamadığını sınadı. Ölçülen gösterge ejeksiyon fraksiyonuydu. Bu değer, kalbin her atımda sol karıncıktaki kanın ne kadarını dışarı pompaladığını anlatıyor ve kalp sağlığının en sık başvurulan işaretlerinden biri sayılıyor.

Analize, ilk kalp MR'ı çekilen ve art arda başvuran çok sayıda hasta dahil edildi. Çalışma geriye dönük ve çok merkezli bir prognostik araştırma olarak tasarlandı. Yani hastaların kayıtları sonradan incelendi ve sonuç olarak her nedenden ölüm esas alındı.

Sonuçlar ne gösterdi?

Ortalama 5,6 yıllık izlem süresi boyunca yapay zekânın hesapladığı ejeksiyon fraksiyonu, istatistiksel model uyumunda hekim ölçümüne göre daha iyi performans verdi. Ayrım gücü, yani yüksek riskli hastaları düşük riskli olanlardan ayırma becerisi de sınırlı ölçüde üstün çıktı.

Araştırmacılar iki yöntemi birbirinin üzerine de eklediler. Hekim ölçümünün yanına yapay zekâ ölçümü konulduğunda model uyumu belirgin biçimde iyileşti. Tersi yapıldığında, yani yapay zekâ ölçümünün üzerine hekim ölçümü eklendiğinde kazanç yalnızca hafif kaldı. Bu tablo, yapay zekâ değerinin hekim ölçümünün taşıdığı prognostik bilgiyi büyük oranda kapsadığını, üstüne ek bilgi de getirdiğini düşündürüyor.

Yaş ve cinsiyet hesaba katıldıktan sonra da yapay zekâ kaynaklı ölçüm model uyumunda öne geçti. Ancak ayrım gücündeki üstünlük bu kez çok daha küçüktü. Çalışmanın bu noktası, kazancın gerçek ama mütevazı olduğunu açıkça gösteriyor.

Joy yaptığı açıklamada, bulguların yapay zekânın bu önemli göstergeyi dikkat çekici bir tutarlılık ve hassasiyetle ölçebildiğini düşündürdüğünü söyledi. Joy'a göre bu durum, daha yüksek risk taşıyan hastaların belirlenmesinde küçük ama anlamlı bir iyileşme sağlıyor.

Arka plan

Kalp MR'ı, kalbin yapısını ve işlevini ışınlama kullanmadan ayrıntılı gösteren bir yöntem olarak kabul ediliyor. Ejeksiyon fraksiyonunu hesaplamak için görüntülerdeki sol karıncık sınırlarının kalp döngüsünün farklı evrelerinde tek tek çizilmesi gerekiyor. Bu iş geleneksel olarak deneyimli bir uzman tarafından elle ya da yarı otomatik araçlarla yapılıyor. Hem zaman alıyor hem de çizimi yapan kişiye ve yaptığı ana göre ölçümde küçük farklılıklar çıkabiliyor.

Derin öğrenme modelleri ise aynı görüntülere her seferinde aynı kuralları uyguluyor. Bu nedenle ölçüm tutarlılığı, yapay zekânın bu alandaki başlıca avantajlarından biri olarak görülüyor. Çalışmanın sonucu da bu tutarlılığın yalnızca bir kolaylık değil, risk tahminine yansıyan bir kazanç olabileceğini ortaya koyuyor.

Neden önemli?

Ejeksiyon fraksiyonu, kalp yetmezliği tanısında ve tedavi kararlarında merkezi bir rol oynuyor. Dolayısıyla bu ölçümdeki küçük bir iyileşme bile çok sayıda hastaya uygulandığında klinik karar süreçlerine yansıyabilir. Yüksek riskli hastaların daha erken fark edilmesi, daha yakın izlem ya da tedavinin zamanında düzenlenmesi için fırsat yaratabilir.

Öte yandan sonuçları abartmamak gerekiyor. Ayrım gücündeki artış sınırlı kaldı ve yaş ile cinsiyet düzeltmesinden sonra daha da küçüldü. Çalışma geriye dönük olduğundan yapay zekâ ölçümünün gerçek klinik uygulamada hasta sonuçlarını iyileştirdiği de bu verilerle söylenemez. Bunun için ileriye dönük araştırmalara ihtiyaç var.

Ne değişecek?

Bulgular, yapay zekâ destekli ölçümlerin hekimin yerini almaktan çok, görüntü analizindeki ağır ve değişken adımı üstlenen bir araç olarak rutine girebileceğini gösteriyor. Hekim, otomatik üretilen ölçümü denetleyip hastanın bütün tablosuyla birlikte yorumlayabilir. Yine de bu tür modellerin farklı hastanelerde, farklı cihazlarda ve farklı hasta gruplarında doğrulanması, günlük pratiğe geçişin ön koşulu olarak kalıyor.