San Jose merkezli iMerit, Segmed ve Advocate Health, meme kanseri tespitine yönelik yapay zeka modellerinin geliştirilmesini desteklemek amacıyla kapsamlı bir açık kaynaklı 3D mamografi veri seti yayımladı. Paylaşılan veri setinin, klinik doğrulama süreçlerinden geçirilmiş yapısıyla araştırmacılar için yüksek güvenilirlik sunduğu ifade edildi. Veri seti, tıbbi görüntüleme alanında çalışan akademik çevreler, teknoloji şirketleri ve sağlık araştırmacıları için erken teşhis algoritmalarının geliştirilmesinde kullanılabilecek önemli bir kaynak olarak tanımlanıyor.
3D Mamografi Tabanlı Klinik Doğrulamalı Veri Yapısı
Veri seti, Dijital Meme Tomosentezi (DBT) yöntemiyle elde edilen üç boyutlu mamografi görüntülerinden oluşuyor. Tüm vakaların biyopsi ile doğrulandığı, görüntülerin MQSA sertifikalı radyologlar tarafından değerlendirildiği ve meme görüntüleme uzmanları tarafından detaylı şekilde etiketlendiği belirtildi. Bu süreç, veri setinin hem teknik hem de klinik açıdan yüksek doğruluk standardına sahip olmasını sağlıyor. Görüntülerin segmentasyon işlemleriyle detaylandırıldığı ve lezyonların konum, boyut ve sınıflandırma bilgilerinin sistematik şekilde işaretlendiği ifade edildi.
Erken Teşhise Odaklanan Dengeli Klinik Veri
Segmed aracılığıyla sağlanan uzunlamasına verilerle desteklenen veri seti, toplam 558 kadın hastaya ait görüntüleme çalışmalarını içeriyor. Veri setinde kötü huylu ve iyi huylu vakaların dengeli şekilde dağıtıldığı, ortalama tümör boyutunun ise erken evre tespiti açısından kritik kabul edilen 1,34 cm seviyesinde olduğu bildirildi. Lezyonların büyük bölümünün küçük boyutlu olması, veri setinin özellikle erken evre meme kanseri bulgularını tanıyan yapay zeka modellerinin eğitimi için uygun bir altyapı sunduğunu gösteriyor.
Erken Teşhisin Hayati Önemi
Meme kanserinin dünya genelinde en yaygın kadın kanser türlerinden biri olduğu ve erken teşhisin tedavi başarısını doğrudan etkilediği belirtiliyor. Erken evrede tespit edilen vakalarda sağkalım oranlarının %99’un üzerine çıkabildiği ifade edilirken, hastalığın geç teşhis edilmesinin tedavi sürecini zorlaştırdığına dikkat çekiliyor. ABD’de her yıl yüz binlerce yeni vaka tespit edildiği ve ortalama olarak kısa zaman aralıklarıyla yeni tanıların konulduğu bilgisi, erken teşhis teknolojilerine yönelik ihtiyacı daha görünür hale getiriyor.
Teknik Standartlar ve Veri Güvenliği
Paylaşılan veri seti DICOM formatında tıbbi görüntüleri, JSON formatında ise lezyon etiketleme ve koordinat bilgilerini içeriyor. Verilerin HIPAA ve GDPR standartlarına uygun şekilde anonimleştirildiği, hasta mahremiyetinin korunmasına yönelik tüm teknik önlemlerin uygulandığı ifade edildi. Bu yapı, veri setinin uluslararası araştırmalarda kullanılabilirliğini artırırken aynı zamanda etik veri kullanım standartlarını da karşılıyor.
Açık Veri ile Daha Güçlü Sağlık Teknolojileri
Dr. Sina Bari, sağlık alanında yapay zekanın gelişimi için yüksek kaliteli ve doğru etiketlenmiş verilerin temel rol oynadığını belirtti. Açık veri paylaşımının, klinik süreçleri destekleyen ve sonuçları iyileştiren teknolojilerin geliştirilmesine katkı sunduğunu ifade etti. Dr. Martin Willemink ise tıbbi verilere erişimin güvenli ve ölçeklenebilir şekilde sağlanmasının, sağlık teknolojilerinde yenilikçi çözümlerin önünü açtığını vurguladı.
Kadın Sağlığı ve Açık Bilim İçin Küresel İş Birliği
Üç kurumun ortak girişimi, kadın sağlığı alanında açık bilim yaklaşımını güçlendirmeyi ve araştırmacıların veri erişimini kolaylaştırmayı hedefliyor. Açık kaynak veri setinin, üniversitelerden teknoloji şirketlerine kadar geniş bir ekosistem tarafından kullanılarak yeni nesil erken teşhis sistemlerinin geliştirilmesine katkı sağlaması bekleniyor.
