Pankreas Kanserinde Yapay Zeka: Rutin BT Taramalarında Yeni Dönem

Pankreas kanseri tedavisindeki en büyük engel, hastaların yüzde 85'inden fazlasının geç evrede teşhis edilmesidir; ancak 2026 başlarında yayımlanan PANORAMA çalışması ve REDMOD çerçevesi bu durumu kökten değiştirebilecek iki kritik yapay zeka inovasyonunu gözler önüne serdi. Geleneksel olarak insan gözünün fark edemediği ince doku değişimleri ve vasküler anormallikler, artık derin öğrenme tabanlı bilgisayarlı görü sistemleri sayesinde çok daha erken tespit edilebiliyor. Bu gelişme, rezeke edilebilirlik oranlarını artırarak sağkalım eğrilerini yukarı çekmeyi hedefliyor.

Geleneksel radyolojik incelemelerde, pankreas duktal adenokarsinomu (PDAC) erken evrelerde neredeyse görünmezdir; çünkü tümör henüz kitle oluşturmamıştır ve parankim dokusunda sadece mikroskobik düzeyde sinyal değişimleri yaşanır. Radyologlar standart kontrastlı bilgisayarlı tomografi (BT) tetkiklerinde bu ince ipuçlarını çoğunlukla kaçırır, hastalar ancak semptom verdiklerinde veya kitle belirginleştiğinde tanı alabilir. Yeni nesil yapay zeka algoritmaları ise yüksek boyutlu matematiksel özellikler çıkararak insan gözünün algı eşiğinin altındaki bu subklinik parankimal değişiklikleri saptayabilmektedir.

PANORAMA çalışması kapsamında 3.440 hasta retrospektif ve prospektif olarak incelenmiş, harici test setinde yapay zeka sisteminin 0.92 AUROC değerine ulaştığı görülmüştür. Aynı veri setini inceleyen deneyimli insan radyologların ortalama 0.88 AUROC elde ettiği göz önüne alındığında, algoritmaların tanı başarısındaki sıçrama net bir şekilde ortaya çıkmaktadır. Spesifisite sabit tutulduğunda yapay zekanın insan okuyuculara kıyasla yüzde 38 daha fazla kanser tespit edebildiği, aynı duyarlılık seviyesinde ise yanlış pozitif oranlarını yüzde 26 oranında azalttığı kanıtlanmıştır.

Mayo Clinic tarafından geliştirilen REDMOD çerçevesi de benzer şekilde, klinik tanından 3 ila 36 ay önce çekilmiş ve normal olarak raporlanmış BT taramalarını tarayarak ortalama 475 gün (yaklaşık 16 ay) erken tanı lead-time süresi sağlamıştır. Özellikle yeni başlangıçlı diyabet gibi yüksek riskli fenotipe sahip (gNOD) popülasyonlarda bu araçlar, tarama protokollerini tamamen yeniden şekillendirmektedir. Stanford ve Avrupa merkezli çok merkezli validasyonlar, bu yaklaşımların rutin pratikte ikincil bir güvenlik ağı olarak çalışabileceğini doğrulamaktadır.

Buna karşın, yapay zeka tabanlı erken tanı sistemlerinin klinik pratikte bazı dezavantajları ve riskleri bulunmaktadır. Özellikle yüzde 18.9'luk yanlış pozitif oranı, benign lezyonlar nedeniyle hastaların gereksiz biyopsi veya invaziv endoskopik işlemlere maruz kalması riskini doğurmaktadır. Ayrıca, klinisyenlerin algoritmik uyarılara karşı aşırı güven duyması veya körü körüne onaylaması (otomasyon yanlılığı) gibi insan faktörüne dayalı engeller de henüz tam olarak aşılmış değildir.

Önümüzdeki dönemde likit biyopsi panelleri ile bu görüntüleme algoritmalarının kombinasyonu, pankreas kanseri taramasında yeni bir standart oluşturacaktır. Tarama maliyetlerini düşüren ve halihazırda çekilen rutin görüntüleme verilerini akıllıca kullanan bu modeller, hastalık ilerlemeden müdahale etme fırsatı sunarak onkoloji kılavuzlarını hızla güncellemeyi sürdürmektedir.

Kaynak: The Lancet Oncology · doi:10.1016/S1470-2045(25)00567-400567-4)