Kanserle mücadelede teknoloji, son araştırmalarla birlikte yeni boyutlar kazanıyor. ABD’deki Mass General Brigham ekibi, insan yüzlerinin karmaşıklıklarını çözerek, kanser hastalarının gelecekteki sağlık durumlarını tahmin etme potansiyeline sahip iki yapay zeka modeline öncülük etti. Bu modeller, ‘FAHR-FaceAge’ ve ‘FAHR-FaceSurvival’ isimleriyle geliştirildi ve milyarlarca yüz fotoğrafıyla eğitildi.
‘FAHR-FaceAge’ algoritması, hastaların yüz hatlarını analiz ederek biyolojik yaşlarını belirlemeyi amaçlıyor. ‘FAHR-FaceSurvival’ ise bu biyolojik yaşa dayanarak, hastanın tedavi sonrası yaşam süresi riskini değerlendiriyor. The Lancet Digital Health dergisinde yayınlanan araştırmaya göre, bu araçlar, özellikle radyoterapi gören hastalarda önemli sonuçlar ortaya koyuyor. Yapay zekanın tahminleri, hastaların gerçek yaşına göre önemli farklılıklar gösterebiliyor. Örneğin, biyolojik yaşını gerçek yaşından daha fazla tahmin eden hastaların, dört yıllık takip sürecinde ölüm riski diğerlerine göre anlamlı derecede daha yüksek çıkıyor. Tam tersi durumda ise hayatta kalma riski düşüyor.
Bu bulgular, kanser tedavisi öncesinde hastaların fiziksel durumunu ve tedaviye yanıt verme potansiyelini değerlendirme konusunda değerli bir araç sunuyor. Ancak uzmanlar, bu teknolojinin tek başına yeterli olmadığını, klinik karar verme sürecinin sadece bir destek aracı olduğunu vurguluyor. Yüz fotoğrafının içerdiği bilgilerin, hastanın genetik yapısı, yaşam tarzı ve tedavi protokolleri gibi diğer faktörlerle birlikte değerlendirilmesi gerektiği belirtiliyor. Araştırmacılar, yüz görünümü ile hayatta kalma arasındaki ilişkiyi gösterirken, yapay zekanın bu ilişkiyi nasıl yorumladığını tam olarak anlamanın henüz mümkün olmadığını da kabul ediyor.
Surrey Üniversitesi’nden yapay zeka uzmanı Miroslaw Bober, bu çalışmayı ‘önemli bir ilerleme’ olarak değerlendirse de, modelin klinik uygulamalarda kullanıma hazır olmadığını belirtiyor. Bober, modelin doktorların değerlendirmelerine ek olarak ne kadar fayda sağladığının ve farklı hasta gruplarında ne kadar güvenilir sonuç verdiğinin daha detaylı bir şekilde araştırılması gerektiğini vurguluyor. Sonuç olarak, bu teknoloji, kanser hastalarına kişiselleştirilmiş tedavi planları oluşturmada ve tedavi başarısını artırmada önemli bir rol oynayabilir, ancak klinik karar verme sürecinin bir parçası olarak kullanılması gerekiyor.
