Yapay zekâ ve görüntüleme

Yapay zekâ, ortopedik tedavide hekimin yerine karar veren bir sistem değil; ölçmeyi hızlandıran, planlamayı kolaylaştıran ve riskleri önceden görünür kılan bir asistandır.

Ortopedik tedavi bir ölçme, hesaplama ve planlama işidir. Bir bacağın hangi açıda eğri olduğu, hangi kemiğin kaç milimetre kısa kaldığı, kesinin nereden yapılacağı, hangi implantın uyacağı… Bunların her biri görüntülerden elde edilen sayılara dayanır. Yapay zekâ, bu görüntü ve sayıları hızlı, tutarlı ve tekrarlanabilir biçimde işleyen bir yazılım teknolojisidir. Tanıyı koyan, tedaviye karar veren, ameliyatı yapan ve sorumluluğu taşıyan her zaman hekimdir.

Nasıl çalışır? Üç temel ilke

Dış doğrulama özellikle önemlidir: bir sistem kendi hastanesindeki görüntülerde iyi çalışıp başka bir hastanede zayıflayabilir. Yeterli doğruluğa ulaşmayan bir araç klinikte kullanılmamalıdır.

01Farklı veri türlerini bir arada okumak

Bir hastanın durumu tek bir röntgenle ya da tek bir tahlille anlaşılmaz. Doku mikroskopisi, röntgen ve diğer görüntüleme yöntemleri, biyokimya sonuçları ve mikrobiyoloji kültürleri aynı tabloyu farklı yönlerden anlatır. Yapay zekâ bu kaynakları birbiriyle çapraz referanslayarak birlikte değerlendirebilir:

• Patern (kalıp) tanıma: Çok sayıda vakadan öğrendiği kalıpları, hekimin tek tek fark etmesi zor ilişkiler dâhil, yeni bir hastada arar.
• Olasılık hesaplama: “Bu bulgu bileşimi hangi tanıyla, ne olasılıkla örtüşüyor?” sorusuna sayısal bir yanıt üretir.
• Hız ve tutarlılık: Çok sayıda veriyi aynı ölçüte göre, yorulmadan ve her seferinde aynı kuralla tarar.

Bu yaklaşım özellikle enfeksiyon, tümör ve kemik kaynama sorunları gibi çok boyutlu değerlendirme gerektiren durumlarda ayırıcı tanıyı daraltmaya ve gereksiz tetkikleri azaltmaya yardımcı olabilir. Sonuçlar bir olasılık olarak sunulur; kesin tanı hekimin klinik değerlendirmesiyle konur.

02Görüntüleri anlamak: doku, deformite ve materyal

• Doku tanıma: Görüntüdeki kemik, yumuşak doku ve implant gibi yapılar otomatik olarak ayırt edilebilir.
• Kırık ve kemik bulgularının saptanması: Yayınlanmış çalışmaların birleştirildiği analizlerde yapay zekânın kırık saptamadaki performansı klinisyenlerle istatistiksel olarak farklı bulunmamıştır.¹ Bu, sistemin “ikinci bir göz” olarak değerli olduğunu gösterir.
• Deformite tanımlama: Eğrilik ve eksen bozuklukları ölçülür; sorunun hangi kemikte ve hangi düzeyde olduğu işaretlenir.
• Materyal uyum önerisi: Hastanın kemik yapısına ve deformitesine göre hangi implant veya fiksatörün uygun olabileceği konusunda öneri sunar. Seçimi hekim yapar.
• Karmaşık matematiksel ve analitik hesaplamalar: Elle yapılması zor ve zaman alıcı hesaplar saniyeler içinde tamamlanır.

03Deformite analizi ve tedavi planlaması

Kemik eğriliği, iki boyutlu bir röntgende göründüğünden çok daha karmaşık olabilir: açılanma, dönme, kayma ve kısalık bir arada bulunabilir. Yapay zekâ destekli planlama şunları sağlar:

• Parametrik hesaplama: Açılar, uzunluklar ve eksen sapmaları tutarlı biçimde hesaplanır. Uzun bacak grafilerinde hizalanma ölçümünü otomatikleştiren çalışmalarda 15 parametre yaklaşık 24 saniyede hesaplanmış, süre elle ölçüme göre yaklaşık %90 kısalmıştır.²
• Alternatif senaryolar: Aynı sorun için farklı tedavi seçeneklerinin (kesi seviyesi, düzeltme miktarı, cihaz yerleşimi) sonuçları hesaplanır; hekim ameliyata girmeden önce seçenekleri yan yana değerlendirebilir.
• Risk analizi: Seçilen planın damar, sinir ve yumuşak dokular üzerindeki olası yükünü ve komplikasyon risklerini önceden gösterir.
• Görselleştirme ve doğrulama: Tedavi protokolü ekranda canlandırılır; planın amaçlanan hizalanmayı gerçekten sağlayıp sağlamadığı ameliyattan önce kontrol edilir.
• Sonuçlarla karşılaştırma: Uygulama sonrası gerçek sonuçlar plana karşı ölçülür ve yeni bir risk değerlendirmesi yapılır; plan ile gerçek arasındaki fark bir sonraki karar için öğrenmeye dönüşür.

Örnek

Analizden tedavi sonucunun öngörülmesine

Aşağıdaki iki ekran görüntüsü (Smart Fixator planlama yazılımı), bir hastanın uzun bacak grafisinde deformitenin analiz edilmesini ve uygun cihazla düzeltme sürecinin simüle edilerek tedavi sonundaki durumun öngörülmesini göstermektedir. Görüntülerde hasta kimliğine ait bilgi bulunmamaktadır.

Bu, tek bir planlamanın gösterimidir. Simülasyon tedavi sonucunu garanti etmez; hekimin planı doğrulaması ve ameliyat sonrası gerçek ölçümlerle karşılaştırması esastır.

04Smart Fixator yazılımında segmentasyon ve landmarking

Ekstremite analizi ve deformite planlamasında en çok zaman alan ve en çok dikkat isteyen adımlar, kemik sınırlarının ve ölçüm noktalarının belirlenmesidir. Smart Fixator planlama yazılımı bu adımlarda yapay zekâdan yararlanır:

• Segmentasyon: Görüntüde kemik yapıları çevre dokulardan otomatik olarak ayrılır; kemiğin sınırları elle çizilmeden belirlenir.
• Landmarking (referans noktası belirleme): Eklem yüzeyleri ve kemik eksenleri gibi ölçüm için gerekli anatomik noktalar önerilir; açı ve uzunluklar bu noktalara göre hesaplanır.

Bu iki özellik planlamayı hızlandırır, süreci kolaylaştırır ve ölçümleri tutarlı hâle getirir. Önerilen sınırlar ve noktalar hekim tarafından kontrol edilir, gerekirse düzeltilir; plan ancak hekim onayından sonra oluşur.

05Segmentasyon ve 3B modelleme: ameliyatı bilgisayarda prova etmek

Segmentasyon, görüntüde kemiği çevresinden ayırarak sınırlarını belirleme işlemidir ve doğru ölçümün temelidir. Bacak grafilerinde yapay zekâ ile yapılan femur ve tibia segmentasyonunun elle yapılanla yüksek düzeyde örtüştüğü bildirilmiştir.³ Diz protezi planlaması üzerine bir çalışmada BT segmentasyonu yapay zekâ ile yaklaşık 4 dakikada tamamlanırken elle yaklaşık 2 saat sürmüştür.⁴

Segmente edilen yapılardan hastanın kendi kemiğinin üç boyutlu modeli oluşturulur. Bu model:

• Hekimin ameliyatı bilgisayarda önceden “prova etmesini” sağlar,
• Planlanan cerrahi aşamaların ve seçilen materyallerle uygunluğun ameliyattan önce doğrulanmasına imkân verir,
• Tedaviyi hastaya somut olarak göstermeyi kolaylaştırır.

06Hastaya özel çözümler ve implantlar: onkolojik ortopedide uygulama

Bir kemik tümörü çıkarıldıktan sonra kalan boşluğu doldurmak, standart implantlarla çoğu zaman zordur; özellikle pelvis (leğen kemiği) ve sakrum gibi karmaşık anatomili bölgelerde. Bu alanda hastanın kendi görüntülerinden tasarlanan, üç boyutlu üretimle yapılan kişiye özel implantlar kullanılabilmektedir. Prof. Dr. Levent Eralp bu yöntemi onkolojik hastalarında kullanmaktadır.

Yayınlanmış çalışmalar şu tabloyu göstermektedir:

• Primer kemik sarkomlu 296 hastayı kapsayan 20 çalışmanın derlendiği bir sistematik incelemede, çalışmaların çoğunda hastaların %90’ından fazlasında tümör temiz sınırlarla çıkarılmış, uzvun işlevi normal işlevin yaklaşık %78-80’i düzeyinde bulunmuştur. Toplam komplikasyon oranı %22’dir; en sık yara sorunları ve enfeksiyon görülmüştür.⁵
• Leğen kemiği için üretilen kişiye özel implantların izlem sonuçlarını derleyen bir incelemede, gevşeme, aşınma veya yanlış hizalanma gibi sorunların az sayıda hastada görüldüğü; en uzun takibin yaklaşık 10 yıla (120 ay) ulaştığı bildirilmiştir.⁶
• Sakroiliak eklemi tutan tümörlerde kişiye özel modüler implant uygulanan altı hastalık bir seride, implantın kemiğe tam kaynadığı ve hastaların tamamının desteksiz yürüyebildiği bildirilmiştir. Bu ameliyatlar uzun sürelidir (ortalama yaklaşık 8 saat) ve önemli kan kaybıyla seyredebilir.⁷

Bu çalışmaların çoğu az sayıda hastayı kapsayan, geriye dönük serilerdir; standart yöntemlerle doğrudan karşılaştıran büyük çalışmalar henüz sınırlıdır. Bu nedenle kişiye özel implant her hasta için uygun bir seçenek değildir; doğru hastada, deneyimli bir ekip tarafından kullanılan bir çözümdür.

07Ameliyat sonrası değerlendirme, risk ve doku analizi

• Cerrahi sonrası değerlendirme: Ameliyat sonrası görüntüler plana göre ölçülür; hedeflenen hizalanmaya ne kadar ulaşıldığı sayısal olarak gösterilir.
• Yeni risk analizi: Gerçek sonuçlar ışığında komplikasyon riski (gevşeme, kaynamama, aşırı yüklenme gibi) yeniden hesaplanır ve takip sıklığı buna göre planlanır.
• Doku analizi: Görüntülerde sorunlu dokular veya anormal geometriler (örneğin yetersiz kemik kalitesi olan, aşırı yük taşıyan ya da riskli bölgeler) belirlenebilir; böylece dikkat edilmesi gereken noktalar önceden bilinir.

Yayınlanmış çalışmalar ne gösteriyor?

Hasta için ne anlama geliyor?

• Tedavi planınız daha öngörülebilir ve daha iyi anlatılabilir olur; seçenekler size görsel olarak gösterilebilir.
• Planlama hataları ve beklenmedik durumlar ameliyattan önce yakalanabilir.
• Ölçümler hızlı ve tutarlı yapıldığı için hekimin yorumlamaya ayırabildiği zaman artar.
• Sonuçlar ölçülerek izlendiği için tedavi sürecinde daha erken yönlendirme yapılabilir.

Verileriniz yalnızca tedavi amacıyla ve onayınızla belirlenen kapsamda kullanılmalı, gizlilik kurallarına uygun biçimde korunmalıdır.

Bilinmesi gereken sınırlar

• Yapay zekâ başarıyı garanti etmez. Sonuçları eğitildiği verinin kapsamıyla sınırlıdır; alışılmadık vakalarda hata yapabilir.
• Bir sistemin bir merkezde iyi çalışması, her yerde aynı başarıyı göstereceği anlamına gelmez; bu yüzden dış doğrulama önemlidir. Bu alandaki çalışmaların önemli bölümünde yanlılık riski bulunmaktadır.
• Her sonuç hekim tarafından doğrulanır. Ameliyat kararı muayeneye, hastanın bütün durumuna ve hekimin deneyimine dayanır.
• Yapay zekâ sonuçları bir olasılıktır, kesin hüküm değildir.