Çalışma, kadın sağlığını tehdit eden en önemli ilk trimester komplikasyonlarından biri olan dış gebeliğin erken tanısında yüzde 99’a varan doğruluk oranıyla dikkat çekti.
Medicana Sağlık Grubu Kadın Hastalıkları ve Doğum Bölümü'nden Medicana International İzmir Hastanesi Kadın Hastalıkları ve Doğum Uzmanı Op. Dr. Gültekin Koçun liderliğinde yürütülen multidisipliner ekip tarafından geliştirilen model, hekimlerin erken tanı sürecinde karar vermesine destek olacak bir sistem olarak tasarlandı.
Dış gebelik, döllenmiş yumurtanın rahim içine yerleşmesi gerekirken rahim dışında, vakaların yaklaşık yüzde 95'inde ise fallop tüplerinde gelişmesiyle ortaya çıkıyor. Rahim dışındaki dokular embriyonun gelişimine uygun olmadığı için bu gebeliklerin canlı doğumla sonuçlanması mümkün olmuyor. Erken fark edilmediğinde fallop tüplerinin yırtılmasına, ciddi iç kanamalara ve anne ölümlerine neden olabilen dış gebelik, acil müdahale gerektiren kritik sağlık sorunları arasında yer alıyor.
Günümüzde dış gebeliğin tanısında transvajinal ultrasonografi (TVUSG) ile seri beta-hCG takipleri kullanılıyor. Ancak gebeliğin çok erken dönemlerinde kesin tanı koyabilmek klinisyenler açısından güçlük oluşturabiliyor. Bu soruna çözüm üretmek amacıyla geliştirilen yapay zeka modeli üzerinde yapılan testlerde, özellikle ağaç tabanlı toplu öğrenme modellerinden LightGBM DART algoritmasının dış gebelik vakalarını yüzde 99'a varan klinik doğrulukla ve sıfır yanlış negatif oranıyla tespit ettiği belirlendi. Model ayrıca sağlıklı gebelikleri de yüzde 99,8 doğruluk oranıyla ayırt ederek hatalı tanı ihtimalini yüzde 1'in altına düşürdü.
"Amaç ameliyatsız tedavi şansını artırmak"
Çalışmanın klinik ayağını yürüten Medicana International İzmir Hastanesi Kadın Hastalıkları ve Doğum Uzmanı Op. Dr. Gültekin Koçun, erken tanının hastaların gelecekteki üreme sağlığı açısından büyük önem taşıdığına dikkat çekerek şunları söyledi:
"Dış gebelikte erken tanı ne kadar önemliyse, doğru tanı da o kadar kritiktir. Erken teşhis koyabildiğimiz durumlarda, hastalarımıza herhangi bir cerrahi müdahale uygulamadan, hücre büyümesini durduran tıbbi ilaç tedavileriyle (metotreksat) gebelik dokusunun vücut tarafından emilmesini sağlayabiliyoruz. Ameliyatsız tedavi, gelecekteki üreme sağlığının (doğurganlığın) korunması açısından önemlidir. Geliştirdiğimiz bu yapay zeka desteği sayesinde hekimler olarak çok daha erken evrede uyarı alabileceğiz. Çoğu vakada ameliyat seçeneği gündeme bile gelmeden hastaya uygun tedavi uygulanabilecek."
Hekimin yerine değil, karar sürecine destek olacak
Op. Dr. Gültekin Koçun, geliştirilen sistemin sağlık regülasyonları ve tıbbi etik ilkeleri doğrultusunda yalnızca klinik karar destek sistemi olarak tasarlandığını vurguladı. Yapay zekanın hekimin yerine geçmeyeceğini belirten Koçun, şu ifadeleri kullandı:
"Bu teknoloji, tek başına otonom bir tanı koyma aracı veya ilk gün triyaj enstrümanı değildir. Tamamen hekimin klinik kararlarını desteklemek, takibin ilk 12 günlük kritik izlem periyodunda dynamic hormonal ve ultrason parametrelerini analiz ederek klinisyene erken uyarı sinyalleri vermek üzere tasarlanmış bir 'Klinik Karar Destek Sistemi'dir. Nihai teşhis ve tedavi yönetimi, her zaman olduğu gibi uzman hekimin sorumluluğundadır. Geliştirilen modelin dünyadaki diğer çalışmalardan en büyük farkı, kara kutu (black-box) olarak bilinen geleneksel yapay zeka modellerinin aksine ‘Açıklanabilir Yapay Zeka (XAI - SHAP)’ altyapısına sahip olmasıdır. Sistem, tanı koyarken hangi parametreye (intrauterin kese varlığı, endometrial kalınlık, progesteron ve -hCG seviyeleri gibi) ne kadar güvendiğini hekime gerekçeleriyle sunarak, tıbbi güvenilirliği en üst düzeye çıkarmaktadır. Türk tıp ve yazılım dünyasının ortak başarısı olan bu yenilikçi yaklaşımla, yakın gelecekte rutin jinekoloji kliniklerinde takip süreçlerini hızlandırmayı ve anne sağlığı çıktılarını küresel ölçekte iyileştirmeyi hedefliyoruz."
Çalışma IEEE Access'te yayımlandı
Türk bilim insanlarının imzasını taşıyan araştırma, uluslararası mühendislik ve teknoloji alanının saygın bilimsel yayınlarından IEEE Access dergisinde "Early and Accurate Diagnosis of Ectopic Pregnancy: A SHAP-Based Explainable Machine Learning Approach" (Dış Gebeliğin Erken ve Doğru Tanısı: SHAP Tabanlı Açıklanabilir Makine Öğrenmesi Yaklaşımı) başlığıyla yayımlandı.
Böylece Türk hekim ve mühendislerinin ortak çalışması, açıklanabilir yapay zeka tabanlı yaklaşımıyla uluslararası bilim literatürüne girerek tıp ve teknoloji alanında küresel ölçekte tescillenmiş oldu.
