Akciğer Kanseri Tanısı Için Yapay Zeka Destekli Yazılım Prototip Sistemi: Multipleks İmmünohistokimya (Ihc) Görüntüleri Kullanılarak Transformer Ve Çoklu Dikkat Tabanlı Derin Ağ Modelinin Geliştirilmesi

Akciğer

kanseri dünya genelinde en yaygın görülen ve en ölümcül kanser türlerinden

biridir. Kansere bağlı ölümlerde ilk sıralarda yer alması hastalığın erken

teşhis edilmesini ve doğru şekilde sınıflandırılmasını hayati hale

getirmektedir. Erken evrede tespit edilen akciğer kanseri uygun tedavi

yaklaşımlarıyla kontrol altına alınabilirken geç evrede tanı konulduğunda

hastaların sağ kalım süresi önemli ölçüde azalmaktadır. Bu nedenle yüksek

doğruluk oranına sahip tanı yöntemlerinin geliştirilmesi tedavi sürecinin

başarısını artırmak açısından büyük bir önem arz etmektedir. Histopatolojik

inceleme, akciğer kanseri tanı ve sınıflandırmasında temel bir yöntem olarak

kullanılsa da dokuların biyobelirteçlerinin analizinde yetersiz kalmaktadır.

Multipleks immünohistokimya (IHC) histopatolojik inceleme, aynı doku kesitinde

birden fazla biyobelirteci görselleştirilebilmekte ve karmaşık tümör

mikroyapısını daha ayrıntılı bir şekilde analiz etmeyi mümkün kılmaktadır.

Özellikle akciğer kanseri gibi heterojen yapıya sahip tümörlerin teşhisinde bu

yöntem önemli avantajlar sunmaktadır. Bununla birlikte, multipleks IHC ile elde

edilen histopatolojik görüntüler yüksek çözünürlüklü ve çok boyutlu veri

içermektedir bu da manuel analiz süreçlerini zorlaştırmaktadır. Geleneksel

yöntemlerle yapılan bu analizler genellikle zaman alıcıdır ve insan hatasına

açık olabilmektedir. Bu noktada, Yapay Zeka (YZ) destekli modellerle

görüntüleri işleyen ve kanserli hücreleri otomatik tespit edebilen

sınıflandırıcı sistemleri tasarlamak büyük önem taşımaktadır.<o:p></o:p>

Önerilen proje ile akciğer

kanseri teşhisinde manuel analiz süreçlerinden kaynaklanan insan hatalarını

azaltmak ve tanı süreçlerini hızlandırmak amacıyla klinik karar destek

sistemlerinde kullanılacak yapay zeka destekli bir yazılım prototipinin

geliştirilmesi amaçlanmaktadır. Projede multipleks IHC yöntemiyle elde edilen

histopatolojik görüntüler kullanılarak akciğer kanserinin erken ve doğru

teşhisini destekleyecek yenilikçi bir derin öğrenme modeli tasarlanacaktır. Geliştirilecek yöntem, DeiT (Data-Efficient Image

Transformer) modeli ve çoklu

dikkat ağı (Multi-Scale Attention Network) mekanizmasına

dayalı olacaktır. Transformer tabanlı DeiT modeli, geleneksel derin öğrenme

yaklaşımlarına kıyasla daha az veriyle üstün performans gösterebilme avantajı

sunarken çoklu dikkat ağı mekanizması histopatolojik görüntülerdeki farklı

bölgelerde yer alan biyobelirteçlerin daha hassas şekilde analiz edilmesine

olanak tanıyacaktır. Modelin karar verme sürecini

daha şeffaf hale getirmek için dikkat haritaları (attention maps)

oluşturulacaktır. Bu haritalar modelin hangi bölgelere odaklandığını

görselleştirerek klinik uzmanların tanıyı daha iyi yorumlamasına olanak

tanıyacaktır. Modelin genel performansı doğruluk (Accuracy), duyarlılık (Recall), kesinlik (Precision), alıcı

işletim karakteristiği altındaki alan (Area Under the Receiver Operating

Characteristic Curve, AUC) ve F1-skora dayalı olarak

değerlendirilecektir. Test aşamasında modelin klinik karar destek sistemlerine

entegrasyonunun sağlanması için bir kullanıcı arayüzü geliştirilecektir. Bu

arayüz ile model çıktılarının etkileşimli bir şekilde incelenmesine imkan sağlanacaktır.

Sonuç olarak önerilen yapay zeka tabanlı bu sistem ile akciğer kanseri

teşhisinde yüksek doğruluklu ve klinik uygulanabilirliği yüksek akıllı bir karar

destek mekanizması sunulacaktır.