ABD'deki Mass General Brigham sağlık sisteminde görev yapan araştırmacılar, tek bir yüz fotoğrafından kanser hastalarının hayatta kalma olasılıklarını tahmin edebilen bir yapay zeka aracı geliştirdi. The Lancet Digital Health dergisinde yayımlanan araştırma, tıp dünyasında yüz analizi temelli sağlık değerlendirmesi konusunda önemli bir adım olarak değerlendiriliyor.
40 Milyondan Fazla Fotoğrafla Eğitilen Sistem
Araştırmada, sistemin 40 milyondan fazla yüz fotoğrafından elde edilen verilerle eğitildiği belirtildi. Bu eğitim sayesinde yapay zeka hem kişilerin biyolojik yaşlarını tahmin edebiliyor hem de kanser hastalarının hayatta kalma olasılıklarını değerlendirebiliyor. Araştırmacılar, aynı temel modelden yararlanarak iki farklı araç geliştirdi.
Bu araçlardan biri, kişinin yüzünden önce biyolojik yaşını tahmin ediyor, ardından bu tahmini kanser hastalarının hayatta kalma olasılığını değerlendirmek için kullanıyor. İkinci araç ise biyolojik yaş tahminine hiç başvurmadan, doğrudan yüz fotoğrafından hayatta kalma olasılığını öngörüyor. Uzmanlar, kendi bilgileri dahilinde bu ikinci yaklaşımın, basit bir fotoğraftan kanser hastalarının hayatta kalma olasılığını doğrudan tahmin edebilen ilk yapay zeka modeli olduğunu ifade etti.
Yapay Zeka Yüzün Hangi Bölgelerine Odaklanıyor?
Araştırmaya göre iki sistem, tahminlerini oluştururken yüzün farklı bölgelerini analiz ediyor. Biyolojik yaşı inceleyen sistem; burun kenarlarından ağız köşelerine uzanan çizgilere, göz çukurlarının üzerindeki alın bölgesine ve şakaklara odaklanıyor. Biyolojik yaş tahmini yapmayan sistem ise göz altı bölgesini ve burun köprüsünün çevresini değerlendiriyor.
Araştırmacılar, bu sistemin kanser hastalarının yüz fotoğraflarından hayatta kalma riskini doğrudan öğrenerek yüz analizi alanında yeni bir aşamaya işaret ettiğini vurguladı.
Biyolojik Yaş ile Ölüm Riski Arasındaki İlişki
ABD'de radyoterapi gören kanser hastalarının incelendiği araştırmada dikkat çekici bulgulara ulaşıldı. 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 görüldü. Buna karşılık biyolojik yaşı gerçek yaşından en az 5 yıl daha genç tahmin edilen hastalarda ise ölüm riski yüzde 17 daha düşük bulundu.
Araştırmacılar, biyolojik yaş tahminlerinin kişinin fiziksel sağlık durumuyla bağlantılı olabileceğini ve yoğun tedavilere dayanma kapasitesi hakkında bilgi sağlayabileceğini belirtti.
Tedavi Kararlarında Kullanılabilir
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.
Araştırmada ayrıca yoğun alkol tüketimi, uyuşturucu kullanımı ve sigara içme gibi yaşam tarzı faktörlerinin yapay zeka analizinde daha ileri biyolojik yaş görünümüyle ilişkili olduğu tespit edildi.
Klinik Kullanım İçin Daha Fazla Araştırma Gerekiyor
Araştırmacılar, yüz fotoğraflarından sağlık değerlendirmesi yapmanın kolay ve düşük maliyetli bir yöntem olabileceğinin altını çizdi. Ancak sistemin yaygın klinik kullanıma girmesinden önce daha fazla araştırma yapılması gerektiğini de özellikle vurguladılar. Bu ihtiyatlı yaklaşım, teknolojinin henüz geliştirme ve doğrulama aşamasında olduğuna işaret ediyor.
Sıkça Sorulan Sorular
Bu yapay zeka sistemi kimler tarafından geliştirildi?
Sistem, ABD'deki Mass General Brigham sağlık sisteminde görev yapan araştırmacılar tarafından geliştirildi ve bulgular The Lancet Digital Health dergisinde yayımlandı.
Yapay zeka sistemi nasıl eğitildi?
Sistem, 40 milyondan fazla yüz fotoğrafından elde edilen verilerle eğitildi. Bu eğitim, sistemin hem biyolojik yaş tahmini hem de hayatta kalma olasılığı değerlendirmesi yapabilmesini sağladı.
Biyolojik yaş tahmini ölüm riskiyle nasıl ilişkilendiriliyor?
Araştırmada, yapay zekanın biyolojik yaşını gerçek yaşından en az 5 yıl ileri tahmin ettiği hastalarda ölüm riskinin yüzde 21 daha yüksek, en az 5 yıl genç tahmin ettiği hastalarda ise yüzde 17 daha düşük olduğu bulundu. Ortalama takip süresi 4 yıldı.
Sistem hangi tedavi süreçlerinde kullanılması hedefleniyor?
Teknolojinin özellikle ameliyat, radyoterapi ve diğer yoğun tedaviler öncesinde hastaların fiziksel durumunun değerlendirilmesinde kullanılması hedefleniyor. Araştırmacılara göre sistem, tedavi öncesinde ölüm veya komplikasyon riskinin belirlenmesine yardımcı olabilir.
Sistem klinik olarak kullanıma hazır mı?
Hayır. Araştırmacılar, yüz fotoğraflarından sağlık değerlendirmesi yapmanın kolay ve düşük maliyetli bir yöntem olabileceğini belirtmekle birlikte, sistemin yaygın klinik kullanıma girmesinden önce daha fazla araştırma yapılması gerektiğini özellikle vurguladı.
