Türk Bilim İnsanlarından Tarihi Yapay Zeka Başarısı
Türk bilim insanları ve mühendisleri, kadın sağlığını tehdit eden en ciddi ilk trimester komplikasyonlarından biri olan dış gebeliğin (ektopik gebelik) erken teşhisi için yenilikçi bir yapay zeka modeli geliştirdi. Medicana International İzmir Hastanesi Kadın Hastalıkları ve Doğum Uzmanı Op. Dr. Gültekin Koçun liderliğindeki multidisipliner ekip tarafından yürütülen çalışma, uluslararası mühendislik ve teknoloji dünyasının prestijli yayınlarından IEEE Access dergisinde “Early and Accurate Diagnosis of Ectopic Pregnancy: A SHAP-Based Explainable Machine Learning Approach” başlığıyla yayımlanarak küresel ölçekte tescillendi.
Geliştirilen sistem, rutin klinik uygulamalarda gebeliğin çok erken evrelerinde transvajinal ultrasonografi (TVUSG) ve seri beta-hCG takipleriyle konulması oldukça zor olan dış gebelik tanısını, %99’a varan klinik doğrulukla tespit etmeyi başardı. Ağaç tabanlı toplu öğrenme modellerinden LightGBM DART algoritmasının kullanıldığı testlerde, model sıfır yanlış negatif oranı elde ederken, sağlıklı gebeliklerin tanısını da %99.8 doğrulukla koyarak hatalı tanı ihtimalini %1’in altına indirdi.
Ameliyatsız Tedavi Şansını Artırma Hedefi
Dış gebeliğin fark edilmediğinde fallop tüplerinin yırtılmasına, şiddetli iç kanamalara ve anne ölümlerine yol açabileceğini belirten Op. Dr. Gültekin Koçun, erken teşhisin ameliyatsız tedavi şansını artırdığını ifade etti. Dr. Koçun, erken evrede konulan doğru tanı sayesinde, hastalara herhangi bir cerrahi müdahale uygulamadan, tıbbi ilaç tedavileriyle gebelik dokusunun vücut tarafından emilmesinin sağlanabildiğini ve bu durumun gelecekteki üreme sağlığının korunması açısından kritik önem taşıdığını vurguladı. Yapay zeka desteğinin hekimlere çok daha erken evrede uyarı vereceğini belirten Koçun, bu sayede çoğu vakada ameliyat seçeneği gündeme gelmeden sürecin yönetilebileceğini aktardı.
Sağlık Regülasyonlarına Uygun Karar Destek Sistemi
Geliştirilen modelin otonom bir tanı aracı veya triyaj enstrümanı olmadığını, tamamen hekimin klinik kararlarını desteklemek üzere tasarlandığını belirten Op. Dr. Gültekin Koçun, nihai teşhis ve tedavi yönetiminin uzman hekim sorumluluğunda kalmaya devam edeceğini ifade etti. Modelin en önemli ayırt edici özelliği ise geleneksel “kara kutu” yapay zeka modellerinin aksine “Açıklanabilir Yapay Zeka (XAI – SHAP)” altyapısına sahip olması olarak açıklandı. Sistem; intrauterin kese varlığı, endometrial kalınlık, progesteron ve beta-hCG seviyeleri gibi klinik parametreleri analiz ederek, tanı koyarken hangi parametreye ne kadar güvendiğini gerekçeleriyle hekime sunuyor. Bu yenilikçi yaklaşımla yakın gelecekte rutin jinekoloji kliniklerinde takip süreçlerinin hızlandırılması ve anne sağlığı çıktılarının küresel ölçekte iyileştirilmesi hedefleniyor.