Massachusetts Teknoloji Enstitüsü’nün bilgisayar mühendisliği ve yapay zeka geliştirmeye odaklanan CSAIL (Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı) bölümündeki araştırmacılar, pankreas kanserini mevcut teşhis standartlarından daha yüksek bir eşikte tespit edebilen iki makine öğrenimi algoritması oluşturdu. Bu iki model bir araya gelerek “PRISM” sinir ağını oluşturdu. Bu ağ, pankreas kanserinin en yaygın türü olan pankreatik duktal adenokarsinomu (PDAC) özellikle tespit etmek üzere tasarlanmıştır. Mevcut standart PDAC tarama kriterleri, profesyoneller tarafından muayene edilen hastalarda vakaların yaklaşık yüzde 10’unu yakalıyor. Buna karşılık, Massachusetts Teknoloji Enstitüsü’nün PRISM sinir ağı, PDAC vakalarını yüzde 35 oranında tespit edebildi. Yapay zekanın teşhis alanında kullanılması tamamen yeni bir başarı olmasa da, Massachusetts Teknoloji Enstitüsü’nün oluşturduğu PRISM ağını nasıl geliştirdiğine ilişkin sebeplerden dolayı öne çıkıyor. Sinir ağı, ABD genelindeki sağlık kuruluşlarından alınan çeşitli gerçek elektronik sağlık kayıtlarına erişim temelinde programlandı. Ekiptekilerin, bu özel araştırma alanında bir yapay zeka modeline aktarılan bilgilerin “ölçeğini aştığını” söylediği 5 milyondan fazla hastanın elektronik sağlık kayıtlarının verileriyle beslendi. Massachusetts Teknoloji Enstitüsü CSAIL Doktora kıdemli yazarı Kai Jia, “Model, tahminlerini yapmak için rutin klinik ve laboratuvar verilerini kullanıyor. ABD nüfusunun çeşitliliği, genellikle ABD’deki birkaç sağlık merkezi gibi belirli coğrafi bölgelerle sınırlı olan diğer PDAC modellerine göre önemli bir ilerleme” dedi.
Massachusetts Teknoloji Enstitüsü’nün PRISM projesi altı yıl önce başladı. PDAC’yi erken teşhis edebilecek bir algoritma geliştirmenin ardındaki motivasyon, hastaların çoğunun kanserin gelişiminin ilerleyen aşamalarında teşhis edilmesiyle, özellikle de yaklaşık yüzde sekseninin çok geç teşhis edilmesiyle ilgilidir. Yapay zeka, hasta demografisini, önceki teşhisleri, bakım planlarındaki mevcut ve önceki ilaçları ve laboratuvar sonuçlarını analiz ederek çalışıyor. Model, elektronik sağlık kaydı verilerini hastanın yaşı ve yaşam tarzında belirgin olan belirli risk faktörleri gibi unsurlarla birlikte analiz ederek kanser olasılığını tahmin etmeye çalışıyor. Yine de PRISM, yapay zekanın kitlelere ulaşabildiği oranda çok sayıda hastanın teşhis edilmesine yardımcı olabiliyor. Şu anda teknoloji Massachusetts Teknoloji Enstitüsü laboratuvarlarına ve ABD’deki belirli hastalara bağlı. Yapay zekayı ölçeklendirmenin lojistik zorluğu, erişilebilirliği artırmak için algoritmayı daha çeşitli veri setleriyle ve hatta belki de küresel sağlık profilleriyle beslemeyi içerecek. Bununla birlikte, bu Massachusetts Teknoloji Enstitüsü’nün kanser riskini tahmin edebilecek bir yapay zeka modeli geliştirmeye yönelik ilk denemesi değil. Enstitü, mamogram kayıtlarını kullanarak kadınlar arasında meme kanseri riskinin nasıl tahmin edileceğine dair modelleri eğitmek için bir yol geliştirdi. Bu araştırmada Massachusetts Teknoloji Enstitüsü uzmanları, veri setleri ne kadar çeşitli olursa, yapay zekanın farklı ırklar ve popülasyonlar arasında kanserleri teşhis etmede o kadar iyi olduğunu doğruladı. Kanser olasılığını tahmin edebilen yapay zeka modellerinin geliştirilmeye devam edilmesi, malignitenin daha erken tespit edilmesi durumunda, hastalar için sonuçları iyileştirmekle kalmayacak, aynı zamanda aşırı çalışan tıp uzmanlarının iş yükünü de azaltacaktır. Yapay zeka pazarı, değişim için teşhis alanında o kadar olgunlaşmıştır ki, meme kanserini bir yıl önceden tespit edebilen bir yapay zeka programı geliştirmeye çalışan IBM gibi büyük teknoloji ticari şirketlerinin bile ilgisini çekmektedir.