Son zamanlarda, Sichuan Üniversitesi Batı Çin Hastanesi Hu Kolordusu ekibi tarafından The Lancet Gastroenterology & Hepatology dergisinde yayınlanan yeni bir klinik araştırma sonucu, AI'nın yemek borusu kanseri teşhisinde mükemmel performansını ortaya koymaktadır: Gerçek zamanlı olarak AI sistemiyle desteklenen endoskopik muayene, yüzeysel yemek borusu skuamöz karsinomu ve kanser öncesi lezyonların sızıntı oranını konvansiyonel muayeneye kıyasla önemli ölçüde düşürebilmektedir; bu da AI'nın yemek borusu kanseri için erken tanı ve erken taramada bir değişiklik getirebileceği anlamına gelmektedir!
Diğer sindirim sistemi kanserlerinde olduğu gibi yemek borusu kanseri de erken evrede belirgin klinik belirtiler göstermez ve hastalar yutma güçlüğü gibi tipik belirtilerle tanı aldıklarında çoğunlukla orta veya ileri evrede olurlar ve tedavi seçenekleri sınırlıdır, prognoz ise oldukça kötüdür. Bu durum, yemek borusu kanserinde 5-yıllık sağ kalım oranının uzun süre %20 civarında seyretmesinin de temel nedenidir ve bu durumu kırmanın yolu elbette erken tanı ve erken tedaviyi hayata geçirmektir.
Çin'deki yeni özofagus kanseri vakalarının sayısı küresel vakaların yarısından fazlasını oluşturmaktadır, bu nedenle özofagus kanserine karşı mücadele klinik çalışanlar için de önemli bir yöndür. Son yıllarda gastrointestinal endoskopi teknolojisinin popülerleşmesiyle birlikte, Çin'de erken evrede teşhis edilen özofagus kanseri hastalarının oranı yaklaşık %40'a yükselmiştir [2], ancak erken evre özofagus kanserinin endoskopik tanısı basit değildir, çünkü erken evredeki kanserli lezyonların ince endoskopik özellikleri, doktorların tanıma yeteneklerindeki farklılıklar ve görsel yorgunluk kanserli lezyonların gözden kaçmasına neden olabilir [3]. Bunların hepsi kanserin gözden kaçmasına yol açabilir.
Önceki çalışmalara göre, yemek borusu kanseri ve diğer üst gastrointestinal kanserler için endoskopi sızıntı oranı %4-17'dır [3], bu kadar yüksek bir sızıntı oranının daha da optimize edilmesi gerektiği açıktır, bu nedenle Batı Çin Hastanesi ekibi, AI'nın görüntüleme muayenesinin sonuçlarını doğru bir şekilde inceleyebilmesi nedeniyle sıcak AI'yı düşündü, bu nedenle endoskopiye yardımcı olmak ve tespit oranını iyileştirmek için kullanılmasının nedeni aynıdır.
Klinik uygulamada yaygın olarak kullanılan geleneksel beyaz ışık endoskopisi ve dar bantlı spektral görüntüleme endoskopisine dayanarak, araştırma ekibi, 8,{4}}'ten fazla hastadan (özofageal skuamöz karsinom, kanser öncesi lezyonlar ve iyi huylu özofageal lezyonlar dahil) alınan 38,{2}}'den fazla endoskopik görüntüye dayanan "Eagle Eye" adlı erken özofageal skuamöz kanser AI sistemini oluşturdu ve bu sistem tamamen eğitildi ve test edildi. Yeterli eğitim ve testten sonra, "Eagle Eye" endoskopik görüntüleri yalnızca 0.01 saniyede (10 milisaniye) teşhis edebilir, böylece doktorların endoskopide şüpheli lezyonları gerçek zamanlı olarak tespit etmesine yardımcı olabilir.
Ayrıca, Eagle Eye sistemi, şüpheli lezyon alanını bir poligon şeklinde çerçeveleyerek ve şüpheli lezyonun türünü ve olasılığını endoskopi ekranının sol üst tarafında görüntüleyerek doğrudan mevcut endoskopi sistemlerine entegre edilebilir ve bu sayede doktorların orijinal endoskopi video sinyali ile AI teşhis sonuçlarına sahip kompozit video sinyali arasında basit bir anahtar düğmesine basarak geçiş yapmalarına olanak tanır. Doktorların orijinal endoskopik video sinyali ile AI teşhis sonuçlarına sahip kompozit video sinyali arasında geçiş yapmak için yalnızca anahtar düğmesine basması yeterlidir; bu basit ve kullanımı kolaydır ve günlük alışkanlıkları değiştirmez, erken özofageal skuamöz karsinomu teşhisinde gerçek zamanlı yardım sağlar.
"Eagle Eye" sistemi yerinde operasyon haritası
Bu çalışmanın sonuçları, ülke çapında 12 hastanede yürütülen ve ağrısız gastroskopi uygulanan toplam 11.982 denek içeren "Eagle Eye" sisteminin gerçek zamanlı tanı yardımının etkinliğine ilişkin çok merkezli, tandem, randomize kontrollü bir çalışmadır; bunun, gerçek klinik uygulamada bir AI sistemi tarafından erken özofageal skuamöz karsinomun gerçek zamanlı tanısını değerlendiren dünyanın ilk çalışmasının ilk raporu olduğu ve aynı zamanda dünyadaki en büyük örneklem büyüklüğüne sahip çalışma olduğu anlaşılmaktadır. Bunun, gerçek klinik uygulamada erken özofageal skuamöz karsinomunun tanısında AI sisteminin gerçek zamanlı yardımını değerlendiren dünyadaki ilk rapor olduğu ve aynı zamanda dünyadaki erken özofageal kanserinin AI destekli tanısının en büyük örneklem büyüklüğüne sahip çalışması olduğu anlaşılmaktadır.
Konular, önce "Hawk-Eye" sistem destekli endoskopisi, ardından rutin endoskopisi yapılan "AI öncelikli grup" ve ikinci olarak "Hawk-Eye" sistem destekli endoskopisi yapılan "rutin öncelikli grup" ve ters sırayla rutin endoskopisi yapılan "rutin öncelikli grup" olmak üzere ikiye ayrıldı. Endoskopistler, aynı gün içinde karşılık gelen sırayla iki endoskopik muayene yaparak ve ilk muayenede tespit edilemeyen ancak ikinci muayenede tespit edilen yüzeysel özofageal skuamöz karsinomları ve kanser öncesi lezyonları atlayarak Hawk-Eye sistem destekli endoskopi ve geleneksel endoskopinin performansını değerlendirdiler.
Çalışmanın sonuçları, AI öncelikli gruptaki 1{26}}6 denekte ilk muayene turunda yüzeyel özofageal skuamöz karsinom ve prekanseröz lezyonlar tespit edildiğini, buna karşın sonraki rutin muayenelerde sadece 2 denekte yeni lezyonlar tespit edildiğini, bunun sonucunda aynı kritere göre rutin öncelikli grupta %7,6 (6/79) olan kaçak oranına kıyasla %1,9 (2/106) kaçak oranına ulaşıldığını ve AI destekli lezyonların önemli ölçüde daha yüksek bir oranının (%1,8) ilk muayenede (%1,8) tespit edildiğini gösterdi. Oran önemli ölçüde daha yüksekti (%1,8/%1,3, p{21}}.030) ve pozitif öngörü değeri (PPV) de nispeten yüksekti (%56,6/%44,0).
AI öncelikli grupta yüzeyel özofageal skuamöz karsinom ve prekanseröz lezyonların atlanma riski, hasta sayısına göre hesaplandığında %75 (RR{2}}.25, p=0.079) ve lezyon sayısına göre hesaplandığında %63 (RR{7}}.37, p=0.40) azaldı, ancak hiçbiri istatistiksel anlamlılık eşiğini aşmadı; bu durum endoskopistlerin çoğunun daha kıdemli olmasından ve atlanma oranının genel olarak beklenenden düşük olmasından (15%) kaynaklanıyor olabilir. Ek olarak, Eagle Eye sistem destekli endoskopide harcanan sürede geleneksel endoskopiye kıyasla anlamlı bir fark yoktu ve daha fazla kanama olayına yol açmadı.
Genel olarak, AI destekli endoskopi bu çalışmada iyi performans gösterdi ve kullanım kolaylığı ve sonuçların gerçek zamanlı sunumu klinik uygulama için oldukça elverişli. Lancet Gastroenterology and Hepatology, araştırma sonuçlarının ve AI'nın eş zamanlı bir incelemesini yayınlayarak, hastanın durumunun tam olarak dikkate alınması ve yüksek seviyeli endoskopik testlerin uygulanması temelinde AI'nın yemek borusu kanserinin erken teşhisinde ve erken tespitinde ve taramasında önemli bir yardımcı olacağını belirtti. AI, yemek borusu kanserinin erken teşhisinde ve taranmasında önemli bir kolaylaştırıcı olacaktır.
