AI akciğer BT’sinden gelecekteki kanser riskini öngörebilir mi?

How AI predicts lung cancer risk 6 years in advance

MIT Jameel Clinic - AI & Health · 2025-01-22 · Kaynak

MIT Jameel Clinic’in YouTube’da 22 Ocak 2025’te yayımladığı İngilizce video, Sybil’in araştırma yaklaşımını anlatıyor. Daha sonraki 2025 dış testinin alt grup sınırlamalarıyla birlikte okunmalıdır; kişisel tarama önerisi veya klinik yarar kanıtı değildir.

Sybil çalışması hangi soruyu sordu?

12 Ocak 2023’te çevrim içi yayımlanan özgün çalışma, tek bir düşük doz BT’nin hacimsel görüntüsünden gelecekteki akciğer kanseri riskini tahmin etmeyi araştırdı. Model NLST verileriyle geliştirildi; ayrılmış NLST test verileri ve Massachusetts General Hospital ile Tayvan’daki Chang Gung Memorial Hospital verileriyle değerlendirildi. Geriye dönük görüntü değerlendirmesi, klinik kararların modelle yönetildiği bir sonuç çalışmasıyla aynı değildir.

2025 dış testi neyi değiştirdi?

5 Ağustos 2025’te yayımlanan Radiology araştırması, tek bir sağlık kontrol merkezindeki 18.057 kişinin verilerini geriye dönük inceledi. Başlangıç BT’sinde zaten görülebilen kanser ile ileride ortaya çıkan kanser ayrı değerlendirildi. Hiç sigara içmeyen veya hafif içici alt grupta gelecekteki kanser için AUC 0,56 idi. AUC bir ayırt etme ölçüsüdür; kişinin yüzde 56 kanser riski veya yüzde 56 tanı doğruluğu anlamına gelmez.

BT taramasının yararı ile AI yararı neden ayrı?

2011 NLST yayını, yüksek riskli kişilerde düşük doz BT taramasını akciğer grafisiyle karşılaştıran randomize çalışmayı raporladı ve akciğer kanserinden ölümde azalma buldu. Bu sonuç, belirli bir tarama yaklaşımına aittir; Sybil kullanımının ek yararını sınayan bir çalışma değildir. Taramanın klinik yararını, bir risk modelinin performansı olarak sunmak kanıt türlerini karıştırır.

Risk puanı klinik kararın yerini alır mı?

Bir risk tahmini, dokuda kanser bulunduğunu gösteren tanı veya herkes için güvenli takip aralığı değildir. İncelenen AI çalışmaları, modelle takip aralıklarını değiştirmenin hasta sonuçlarını iyileştirdiğini gösteren randomize uygulama deneyleri değildir. Bir makalenin yayımlanması, modelin açık erişime sunulması ve belirli bir klinik kullanım için düzenleyici izin verilmesi de farklı durumlardır.

Bir uygulama iddiası nasıl değerlendirilmeli?

Editoryal değerlendirmede hedef topluluğu, sigara öyküsünü, BT protokolünü, model sürümünü ve öngörü süresini birlikte inceleyin. Alt grup performansı, tahminlerle gerçekleşen riskin uyumu, yanlış alarmlar ve yanlış güven duygusu ayrıca değerlendirilmelidir. Sonraki basamak, gerçek karar akışındaki yarar ve zararları ileriye dönük sınamaktır. Bu yazı kişisel tarama, takip veya tedavi önerisi vermez.