ABD'deki Mass General Brigham sağlık sisteminde çalışan araştırmacılar, tek bir yüz fotoğrafından kanser hastalarının hayatta kalma olasılığını tahmin edebilen bir yapay zeka aracı geliştirdi. The Lancet Digital Health dergisinde yayımlanan araştırma, 40 milyondan fazla yüz fotoğrafından elde edilen verilerle eğitilen bu sistemin hem biyolojik yaş tahmini hem de kanser hastalarında sağkalım değerlendirmesi yapabildiğini ortaya koydu.
İki Farklı Araç, Tek Temel Model
Araştırmacılar, aynı temel yapay zeka modelinden yararlanarak birbirinden işlevsel olarak ayrışan iki farklı araç geliştirdi. Bunlardan ilki, kişinin yüzünden biyolojik yaşını tahmin ederek kanser hastalarının hayatta kalma olasılıklarını değerlendiriyor. İkincisi ise biyolojik yaş tahminine hiç başvurmadan, yalnızca yüz fotoğrafından doğrudan sağkalım olasılığını öngörüyor. Her iki sistemin de aynı temel modelden türetilmiş olması, araştırmanın yöntemsel tutarlılığı açısından dikkat çekici bir unsur olarak öne çıkıyor.
Yapay Zeka Yüzün Hangi Bölgelerine Odaklanıyor?
Araştırmaya göre iki sistem, tahminlerini oluştururken yüzün farklı bölgelerini esas alıyor. Biyolojik yaşı inceleyen araç, burun kenarlarından ağız köşelerine uzanan çizgileri, göz çukurlarının üzerindeki alın bölgesini ve şakakları analiz ediyor. Biyolojik yaş tahmini yapmayan sistem ise göz altı bölgesine ve burun köprüsünün çevresine odaklanıyor. Bu farklılık, iki aracın aynı kaynaktan beslenmesine karşın yüzü birbirinden ayrı biçimlerde yorumladığını gösteriyor.
Araştırmacılar, biyolojik yaş tahmini yapmayan sistemin kanser hastalarının yüz fotoğraflarından hayatta kalma riskini doğrudan öğrenerek yüz analizi alanında yeni bir aşamaya işaret ettiğini vurguladı. Uzmanlar ise kendi bilgileri dahilinde bunun basit bir fotoğraftan kanser hastalarının sağkalım olasılığını doğrudan tahmin edebilen ilk yapay zeka modeli olduğunu ifade etti.
Biyolojik Yaş ile Ölüm Riski Arasındaki İlişki
ABD'de radyoterapi gören kanser hastalarının incelendiği araştırmada, yapay zekanın biyolojik yaşını gerçek yaşından en az 5 yıl daha ileri tahmin ettiği kişilerde, ortalama 4 yıllık takip süresince ölüm riskinin diğer hastalara kıyasla yüzde 21 daha yüksek olduğu saptandı. Öte yandan biyolojik yaşı gerçek yaşından en az 5 yıl daha genç tahmin edilen hastalarda ise ölüm riskinin yüzde 17 daha düşük kaldığı görüldü.
Araştırmacılar bu bulguların ışığında biyolojik yaş tahminlerinin kişinin fiziksel sağlık durumuyla bağlantılı olabileceğini ve yoğun tedavilere dayanma kapasitesi hakkında önemli bilgiler sunabileceğini belirtti. Söz konusu ilişki, yapay zekanın yalnızca görsel bir analiz yapmadığını, aynı zamanda klinik açıdan anlamlı sinyaller ürettiğine işaret ediyor.
Yaşam Tarzı Faktörleri de Analizde Yer Aldı
Araştırmada yalnızca yaş ve sağkalım verileri değil, yaşam tarzına ilişkin faktörler de ele alındı. Yoğun alkol tüketimi, uyuşturucu kullanımı ve sigara içme gibi alışkanlıkların yapay zeka analizinde daha ileri biyolojik yaş görünümüyle ilişkili olduğu tespit edildi. Bu bulgu, sistemin yüzdeki görsel izleri yalnızca kronolojik yaşlanmayla değil, genel yaşam biçimiyle de ilişkilendirebildiğine dair önemli bir gösterge niteliği taşıyor.
Klinik Kullanım İçin Daha Fazla Araştırma Gerekiyor
Araştırmacılara göre sistem, kanser tedavisi öncesinde hastaların ölüm veya komplikasyon risklerinin değerlendirilmesine yardımcı olabilir. Teknolojinin özellikle ameliyat, radyoterapi ve diğer yoğun tedaviler öncesinde hastaların fiziksel durumunun daha kapsamlı biçimde değerlendirilmesinde kullanılması hedefleniyor. Araştırmacılar ayrıca yüz fotoğraflarından sağlık değerlendirmesi yapmanın kolay ve düşük maliyetli bir yöntem olabileceğinin altını çizdi. Bununla birlikte sistemin yaygın klinik kullanıma girmesinden önce daha fazla araştırma yapılması gerektiğini de açıkça kaydettiler.
Sıkça Sorulan Sorular
Bu yapay zeka aracını kimler geliştirdi?
Aracı, ABD'deki Mass General Brigham sağlık sisteminde görev yapan araştırmacılar geliştirdi. Araştırma The Lancet Digital Health dergisinde yayımlandı.
Yapay zeka sistemi hangi verilerle eğitildi?
Sistem, 40 milyondan fazla yüz fotoğrafından elde edilen verilerle eğitildi.
Araştırmada kaç farklı yapay zeka aracı geliştirildi ve aralarındaki fark nedir?
Araştırmacılar aynı temel modelden yararlanarak iki farklı araç geliştirdi. Birincisi biyolojik yaşı tahmin ederek sağkalım olasılığını değerlendirirken, ikincisi biyolojik yaş tahminine başvurmadan doğrudan yüz fotoğrafından hayatta kalma olasılığını öngörüyor.
Biyolojik yaş ile ölüm riski arasında nasıl bir ilişki bulundu?
Yapay zekanın biyolojik yaşını gerçek yaşından en az 5 yıl daha ileri tahmin ettiği hastalarda ölüm riski yüzde 21 daha yüksek, en az 5 yıl daha genç tahmin edilenlerde ise yüzde 17 daha düşük bulundu. Bu ölçümler ortalama 4 yıllık bir takip süresi boyunca elde edildi.
Sistem klinik kullanıma hazır mı?
Araştırmacılar, sistemin yaygın klinik kullanıma girmesinden önce daha fazla araştırma yapılması gerektiğini belirtti. Teknoloji şu an için klinik değerlendirmelere destek sağlayabilecek bir araç olarak değerlendiriliyor.
