İntraoral Hasta Görüntülerinden Ağız Kanseri Lezyonlarının Tespiti için Derin Öğrenme Yaklaşımı: Öncelikli Retrospektif Çalışma

Giriş

Bu çalışma, ağız skuamoz hücreli karsinom (OSCC) için erken teşhisin kritik ihtiyacını ele almakta ve etkili ve invaziv olmayan tanı yöntemlerinin önemini vurgulamaktadır. Araştırmacılar, yapay zekanın (YZ), intraoral görüntülerden ağız kanseri lezyonlarını deneyimli hekimlerle karşılaştırılabilir bir doğrulukla teşhis edebileceği hipotezini öne sürmüşlerdir.

Çalışma Tasarımı ve Metodoloji

• Onay ve Etik: Çalışma protokolü Marmara Üniversitesi Tıp Fakültesi Klinik Araştırmalar Etik Kurulu tarafından onaylanmıştır.
• Örnek Seçimi: Çalışma, 2022-2024 yılları arasında OSCC tanısı almış hastaları içermektedir. Görüntüler, dilin yan kenarı, yanak mukozası ve ağız tabanı gibi OSCC'nin yaygın görüldüğü bölgelerden toplanmıştır.
• Görüntü Edinimi: SCC lezyonları içeren retrospektif fotoğrafik görüntüler, AI destekli CranioCatch programı kullanılarak etiketlenmiştir. Tüm görüntüler, deneyimli bir ağız tıbbı uzmanı tarafından doğrulanmıştır.

Derin Öğrenme Mimarisi

Çalışma, fotoğrafik görüntülerden ağız skuamoz hücreli karsinomun tespiti ve segmentasyonu için YOLOv5 (You Only Look Once) mimarisini kullanan bir derin öğrenme algoritması uygulamıştır. Bu mimari, gerçek zamanlı nesne tespiti konusundaki verimliliği ile bilinmektedir.

Sonuçlar

• Çalışma, önceki çalışmalara benzer doğruluk, hassasiyet ve F1 puanları elde ederek YZ'nin ağız kanseri teşhisinde yardımcı olma potansiyelini göstermiştir.
• Yazarlar, sonuçların umut verici olduğunu belirtmiş, ancak örnek boyutunun sınırlı olduğunu ve daha büyük veri setleri ile daha fazla araştırma yapılması gerektiğini vurgulamışlardır.

Tartışma

Yazarlar, YZ tabanlı sistemlerin ağız kanseri lezyonları için ek tanı araçları olarak potansiyelini tartışmışlardır. YZ sistemlerinin performansını artırmak için doğru etiketlenmiş büyük ölçekli veri tabanlarına ihtiyaç duyulduğunu vurgulamışlardır. Ayrıca, gelecekteki araştırmalarda hasta gizliliği ve veri güvenliğinin sağlanmasının önemine dikkat çekmişlerdir.

Sınırlamalar

Çalışma, aşağıdaki sınırlamalarla karşılaşmıştır:

• Küçük örnek boyutu, bulguların genellenebilirliğini etkileyebilir.
• Verilerin retrospektif toplanması, demografik bilgilerin mevcut olmasını sınırlamıştır.

Sonuç

Çalışma, YZ'nin ağız kanseri lezyonlarının erken tespitinde önemli bir potansiyele sahip olduğunu, ancak bu bulguları doğrulamak ve kullanılan algoritmaları geliştirmek için daha fazla araştırmaya ihtiyaç olduğunu sonucuna varmıştır.

Teşekkür

Çalışma, 2. Uluslararası Ağız Kanseri Kongresi'nde sunulmuş ve en iyi sözlü sunum için 2. ödülü kazanmıştır.