Türk ekipten dış gebeliği yüksek doğrulukla tespit eden açıklanabilir yapay zeka modeli
Türk bilim insanlarının geliştirdiği yenilikçi yapay zeka çalışması, uluslararası mühendislik ve teknoloji dünyasının saygın yayınlarından IEEE Access dergisinde yayımlanarak literatüre girdi. Medicana Sağlık Grubu Kadın Hastalıkları ve Doğum Bölümü’nden Op. Dr. Gültekin Koçun ve beraberindeki multidisipliner ekip tarafından geliştirilen açıklanabilir yapay zeka (XAI) modeli, dış gebeliği erken dönemde ve yüksek doğrulukla tespit ederek klinik kararlara destek sağlamayı hedefliyor.
Modelin performansı
Çalışmada özellikle ağaç tabanlı toplu öğrenme modellerinden LightGBM DART öne çıktı. Testlerde model, dış gebelik vakalarını yüzde 99’a varan klinik doğruluk ile tespit etti ve sıfır yanlış negatif (yüksek duyarlılık) oranı elde etti. Model aynı zamanda sağlıklı gebelikleri yüzde 99.8 doğrulukla tanımlayarak muhtemel hatalı tanı oranını yüzde 1’in altına indirdi.
Amaç ameliyatsız tedavi şansını artırmak
Çalışmanın klinik aktörü olan Medicana International İzmir Hastanesi Kadın Hastalıkları ve Doğum Uzmanı Op. Dr. Gültekin Koçun 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" dedi.
Sağlık regülasyonlarına uygun karar destek sistemi
Op. Dr. Gültekin Koçun projenin etik ve düzenleyici çerçevesini vurgulayarak, sistemin hekimin yerini almayacağını belirtti: "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."
Uluslararası yayın ve tescil
Araştırma, 'Early and Accurate Diagnosis of Ectopic Pregnancy: A SHAP-Based Explainable Machine Learning Approach' başlıklı makale ile IEEE Access dergisinde yayımlandı. Bu yayınla birlikte Türk hekim ve mühendislerinin multidisipliner çalışma başarısı uluslararası literatüre taşındı.
MEDİCANA SAĞLIK GRUBU KADIN HASTALIKLARI VE DOĞUM BÖLÜMÜ’NDEN OP. DR. GÜLTEKİN KOÇUN
