Hong Kong Üniversitesi (HKUMed) LKS Tıp Fakültesi, Sağlık İçin Veri Keşfi InnoHK Laboratuvarı (InnoHK D24H) ve Londra Hijyen ve Tropikal Tıp Okulu (LSHTM) bünyesindeki disiplinlerarası bir araştırma ekibi, tiroid kanserinin hem evresini hem de risk kategorisini %90'ın üzerinde etkileyici bir doğrulukla sınıflandırmak üzere tasarlanmış dünyanın ilk yapay zeka (YZ) modelini geliştirdi. Bu yenilikçi HKUMed YZ modeli, ön cephedeki klinisyenlerin konsültasyon öncesi hazırlık süresini yaklaşık %50 oranında azaltma potansiyeli taşıyor ve Hong Kong Özel İdare Bölgesi Hükümeti'nin YZ teknolojisini sağlık hizmetlerinde kullanma girişimiyle uyumlu. Bulgular Digital Medicine dergisinde yayınlandı.
Tiroid kanseri, Hong Kong ve dünya genelinde en yaygın kanserler arasında yer alıyor. Hastalığın hassas yönetimi genellikle iki sisteme dayanıyor: (1) kanser evresini belirlemek için Amerikan Ortak Kanser Komitesi'nin (AJCC) veya Tümör-Nod-Metastaz (TNM) kanser evreleme sisteminin 8. baskısı ve (2) kanser riskini kategorize etmek için Amerikan Tiroid Birliği (ATA) risk sınıflandırma sistemi. Bu sistemler, hasta sağkalımını tahmin etmek ve tedavi kararlarına rehberlik etmek için kritik öneme sahip. Ancak karmaşık klinik bilgilerin bu sistemlere manuel olarak entegrasyonu zaman alıcı ve verimsiz olabiliyor.
Araştırma ekibi, klinik belgeleri analiz etmek ve tiroid kanseri evrelemesi ve risk sınıflandırmasının doğruluğunu ve verimliliğini artırmak için ChatGPT ve DeepSeek gibi insan dilini anlama ve işleme yeteneğine sahip büyük dil modellerini (LLM'ler) kullanan bir AI asistanı geliştirdi. Model, serbest metin halindeki klinik belgeleri analiz etmek için dört çevrimdışı açık kaynaklı LLM'den (Mistral, Llama, Gemma ve Qwen) yararlanıyor. AI modeli, The Cancer Genome Atlas Programı'ndan (TCGA) 50 tiroid kanseri hastasına ait patoloji raporlarıyla oluşturulmuş Amerika Birleşik Devletleri merkezli açık erişimli bir veri setiyle eğitildi ve ardından 289 TCGA hastası ve endokrin cerrahları tarafından oluşturulan 35 sahte vakaya karşı doğrulandı.
Ekip, dört LLM'nin çıktısını birleştirerek AI modelinin genel performansını artırdı ve ATA risk sınıflandırmasında %88,5 ila %100 ve AJCC kanser evrelemesinde %92,9 ila %98,1 genel doğruluk elde etti. Geleneksel manuel belge incelemeleriyle karşılaştırıldığında, bu gelişmenin klinisyenlerin konsültasyon öncesi hazırlık için harcadığı süreyi yarıya indirmesi bekleniyor. HKUMed Halk Sağlığı Profesörü ve InnoHK D24H Yönetici Direktörü Profesör Joseph T Wu, modelin dikkat çekici performansını vurguladı. Modelin AJCC kanser evrelerini ve ATA risk kategorisini %90'ın üzerinde bir doğrulukla sınıflandırdığını belirtti. Ayrıca, modelin çevrimdışı çalışabilmesinin hassas hasta bilgilerinin paylaşılması veya yüklenmesi gerekliliğini ortadan kaldırarak maksimum hasta gizliliği sağladığının altını çizdi.
HKUMed Klinik Tıp Fakültesi Cerrahi Bölümü Endokrin Cerrahi Şefi Klinik Yardımcı Doçent Dr. Matrix Fung Man-him, AI modelinin karmaşık patoloji raporlarından, ameliyat kayıtlarından ve klinik notlardan bilgi çıkarma ve analiz etmede yüksek doğruluk sağlamanın yanı sıra, doktorların hazırlık süresini insan yorumuna kıyasla neredeyse yarı yarıya azalttığını belirtti. Modelin aynı anda iki uluslararası kabul görmüş klinik sisteme dayalı olarak kanser evrelemesi ve klinik risk sınıflandırması sağlayabileceğini vurguladı.
