Bilim dünyası, kanserle mücadelede yapay zeka teknolojisinin sınırlarını zorluyor. ABD’nin Massachusetts genel Hastaneleri (Mass General Brigham) tarafından geliştirilen bir proje, kanser hastalarının yüz fotoğraflarından yaş tahmini yaparak, aynı zamanda bu hastaların yaşam süresiyle ilgili riskleri değerlendirme potansiyeline sahip iki ayrı yapay zeka modelini ortaya koyuyor. The Lancet Digital Health adlı prestijli dergide yayınlanan araştırma, kanser tedavisinde umut vadeden bir atılım olarak görülüyor. Bu sistem, hastaların yüz hatlarını inceleyerek, kronolojik yaşlarını tahmin ederken, aynı zamanda kanser hastalarının tedavi sonrası hayatta kalma oranlarını öngörüyorsa da, uzmanlar bu teknolojinin henüz rutin klinik uygulamalara hazır olmadığını vurguluyor.
Bu yenilikçi yaklaşımın temelini, 40 milyondan fazla yüz fotoğrafıyla eğitilmiş bir yapay zeka modelinin oluşturuyor. Sistem, yüzün farklı bölgelerindeki karmaşık detayları, özellikle göz çevresi, burun ve ağız gibi bölgelerdeki ince değişiklikleri analiz ederek yaşla ilişkili özellikleri tespit ediyor. Araştırmanın en önemli bulgularından biri, yüz fotoğraflarından elde edilen verilerin, kanser hastalarının genel sağlık durumu ve hayatta kalma riskleri hakkında anlamlı ipuçları sunabileceği yönündü. Bu, özellikle yüksek risk grubundaki hastaların ölüm olasılığının, daha düşük riskli hastalara kıyasla yaklaşık 3,23 kat daha yüksek olduğu ortaya çıktı. Ancak uzmanlar, bu verilerin tek başına bir hastanın ne kadar yaşayacağını kesin olarak belirleyemeyeceğini vurguluyor.
FAHR-FaceAge adlı sistemin, biyolojik yaşın kronolojik yaşından farklı olabileceğini de belirtmek gerekiyor. Kronolojik yaş, doğum tarihinden itibaren geçen süreyi ifade ederken, biyolojik yaş, vücudun yıpranma sürecini ve işlevsel durumunu yansıtıyor. Bu nedenle, yüz fotoğrafındaki değişiklikler, hastanın biyolojik yaşını daha doğru bir şekilde yansıtabiliyor. Ancak, araştırmacılar bu teknolojinin, kanser tedavisinin karmaşıklığını tam olarak yansıtmayabileceğini belirtiyor. Kanser türü, tedavi yöntemleri, hastanın genel sağlık durumu, beslenme alışkanlıkları ve diğer sağlık sorunları gibi birçok faktör, tedavi başarısını etkileyebiliyor ve bu faktörlerin, yapay zeka modelinin tahminlerini etkileyebileceği göz önünde bulundurulmalı.
Bu sistemin Türkiye’deki potansiyel kullanımı için önemli hususların dikkate alınması gerekiyor. Öncelikle, farklı cilt tonlarına, etnik kökenlere ve yaş gruplarına sahip geniş bir hasta grubundan veri toplamak ve algoritmaların bu farklı gruplarda aynı doğrulukla çalışıp çalışmadığını test etmek gerekiyor. Ayrıca, fotoğraf çekim koşullarının standartlaştırılması, tedavi sürecindeki değişikliklerin ve klinik verilerin dikkatli bir şekilde kaydedilmesi, veri güvenliğinin sağlanması ve kişisel verilerin korunması gibi konuların da öncelikli olarak ele alınması gerekiyor. Yapay zekanın rolü, hekimi veya hasta-hekim ilişkisini ikame etmek yerine, doğrulanmış, şeffaf ve güvenli bir karar destek aracı olarak kullanılması gerektiği vurgulanıyor. Türkiye’de, farklı merkezlerden ve hasta gruplarından katılımcıların yer aldığı prospektif doğruluk çalışmaları yaparak, bu teknolojinin potansiyelini tam olarak ortaya çıkarmak ve güvenilir bir şekilde kullanılması sağlanabilir.
