Karabük Üniversitesinde (KBÜ) yürütülen doktora tez çalışması kapsamında, histopatolojik görüntülerden prostat kanserinin tespiti ve sınıflandırılmasına yönelik yapay zekâ tabanlı bir yöntem geliştirildi.
Karabük Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Yazılım Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Caner Özcan danışmanlığında doktora öğrencisi Buse Yaren Kazangirler tarafından yürütülen ve TÜBİTAK 1002 Hızlı Destek Programı kapsamında desteklenen proje, prostat kanserinin tanısında kullanılan Gleason derecelendirme sisteminin daha hızlı, daha tutarlı ve daha yorumlanabilir şekilde uygulanmasına katkı sağlamayı hedefliyor.
“Dino-Craf: Histopatolojik WSI’larda Çok Ölçekli Vision Transformer Tabanlı Öz Denetimli Temsil Öğrenimi ile Prostat Kanserinde Hiyerarşik Karar Modellemesi” başlıklı doktora tez projesinde, dijital patoloji görüntülerinin yapay zekâ yöntemleriyle analiz edilerek kanserli ve sağlıklı dokuların ayrıştırılması, kanserli bölgelerin Gleason paternlerine göre sınıflandırılması ve morfolojik alt örüntülerin ortaya çıkarılması amaçlanıyor.
Histopatolojik Görüntüler Yapay Zekâ Ile Analiz Ediliyor
Doç. Dr. Caner Özcan, prostat kanserinin erkeklerde en sık görülen kanser türleri arasında yer aldığını belirterek, doğru evrelendirme ve tedavi planlamasında histopatolojik incelemelerin büyük önem taşıdığını söyledi.
Histopatolojik görüntülerin yapay zekâ ile analiz edilmesine yönelik çalışma yürüttüklerini ifade eden Özcan, "Doktora tezimiz kapsamında yürüttüğümüz bu proje TÜBİTAK 1002 Hızlı Destek Programı kapsamında destek almaya hak kazandı. Çalışmamızda prostat kanserine ait histopatolojik görüntüleri öz denetimli derin öğrenme yöntemleriyle analiz ediyoruz." dedi.
Patologların iş yükünü azaltmayı ve tanı süreçlerini desteklemeyi amaçladıklarını vurgulayan Özcan, şöyle konuştu:
"Geliştirilen yapay zekâ modellerinin klinik uygulamalarda doğrudan hekimin yerine geçmesini değil, patologların iş yükünü azaltmasını hedefliyoruz. Yüksek çözünürlüklü histopatolojik görüntüler üzerinde kanserli bölgelerin doğru şekilde analiz edilmesi, derecelendirilmesi ve Gleason paternlerinin güvenilir biçimde belirlenmesi, tanı süreçlerine önemli katkılar sağlayacaktır."
Çalışmanın yalnızca sınıflandırma başarısına odaklanmadığını belirten Özcan, "Morfolojik alt örüntülerin ortaya çıkarılması ve görünür hale getirilmesi de çalışmanın önemli hedeflerinden biri. Böylece yapay zekâ sistemlerinin daha yorumlanabilir ve klinik açıdan daha güvenilir hale gelmesini amaçlıyoruz." ifadelerini kullandı.
ABD'deki Üniversitelerle Ortak Yürütülüyor
Projenin uluslararası iş birliğiyle yürütüldüğünü dile getiren Özcan, "Bu çalışmayı Karabük Üniversitesinin yanı sıra ABD'deki Kentucky Üniversitesi ve Louisville Üniversitesindeki araştırmacılarla birlikte yürütüyoruz. Oradaki patologlar da bize alan desteği sağlıyor. Bu iş birliği hem yeni bilimsel projelerin geliştirilmesi hem de özgün akademik çalışmaların ortaya konulması açısından büyük önem taşıyor." diye konuştu.
Özcan, sağlık alanında etik yapay zekâ uygulamalarının geliştirilmesini önemsediklerini belirterek, "Umut ediyoruz ki geliştirdiğimiz yöntemler hem literatüre katkı sağlayacak hem de gelecekte klinik uygulamalarda kullanılarak insanlığa fayda sunacaktır." dedi.
Beş Farklı Veri Kohortuyla Geliştiriliyor
Doktora öğrencisi Buse Yaren Kazangirler ise geliştirdikleri sistemin yalnızca prostat kanserini sınıflandıran bir model olmadığını, aynı zamanda klinik karar destek sistemi olarak tasarlandığını söyledi.
Çalışmanın temel hedefini anlatan Kazangirler, "Projede yalnızca prostat kanserinin sınıflandırılması değil, morfolojik alt örüntülerin ortaya çıkarılması da hedefleniyor. Benign ve malign dokuların ayrıştırılmasıyla birlikte patologlara yön gösteren yapay zekâ destekli bir klinik karar destek sistemi geliştirmeye çalışıyoruz." ifadelerini kullandı.
Farklı veri kaynaklarıyla çalışan genellenebilir bir model geliştirdiklerini belirten Kazangirler, şunları kaydetti:
"Çalışmamızda farklı hastane ve araştırma merkezlerinden elde edilen beş ayrı veri kohortu kullanıyoruz. Farklı tarayıcılarla oluşturulan ve farklı anotasyonlara sahip bu veriler üzerinde öz denetimli öğrenme yöntemlerini uygulayarak genellenebilir bir sistem geliştirmeyi hedefledik."
Kazangirler, geliştirilen modelin Gleason 3, 4 ve 5 paternleri ile stromal yapılar, kribriform yapılar ve benign-malign dokuların ayrıştırılmasına yönelik çalıştığını belirterek, "Farklı hastanelerden ve farklı büyütme seviyelerinde elde edilen histopatolojik görüntüler üzerinde başarılı şekilde çalışabilen bir sistem geliştirdik. Bu yönüyle projemizin dijital patoloji alanında klinik karar süreçlerine önemli katkılar sağlayacağına inanıyoruz." dedi.
Karabük Üniversitesinde yürütülen ve TÜBİTAK tarafından desteklenen çalışmanın, yapay zekâ destekli dijital patoloji uygulamalarının gelişimine katkı sağlaması, prostat kanserinin değerlendirilmesinde patologlara karar desteği sunması ve uluslararası bilimsel iş birliklerinin güçlendirilmesine zemin hazırlaması hedefleniyor.
