Erişkin santral sinir sistemi (SSS) tümörlerinde dijital patoloji ve yapay zekâyı ele alan yeni anlatısal derleme, algoritmaların tanısal tutarlılığı ve iş akışını destekleyebileceğini; ancak klinik kullanımın çok merkezli doğrulama, şeffaflık ve yönetişim olmadan güvenli biçimde genişletilemeyeceğini vurguluyor. Patolog için temel mesaj, yapay zekânın entegre tanıya ek bir kanıt katmanı olduğu, moleküler doğrulamanın yerine geçmediğidir.
Entegre tanıya hesaplamalı bir katman
2021 WHO SSS tümörleri sınıflaması, histoloji ile moleküler bulguları katmanlı bir tanıda birleştirdi ve belirli antitelerde moleküler tanımlayıcıların ağırlığını artırdı. Derleme, tam slayt görüntülerine uygulanan yapay zekânın bu yapıya nasıl eklenebileceğini tartışıyor.
Öne çıkan kullanım alanları şunlar:
- Gliom derecelendirmesini ve tanısal tutarlılığı desteklemek
- Rutin histolojiden bazı moleküler değişiklikler için ön kestirim üretmek
- Prognostik gruplama ve beyin metastazı değerlendirmesine katkı sağlamak
- İntraoperatif karar süreçlerinde hızlı ön bilgi sunmak
- Histopatoloji, moleküler veri ve radyolojiyi birlikte yorumlayan modeller geliştirmek
Yenilik nerede?
Yazının değeri tek bir yeni modelin başarısından çok, WHO sonrası tanı düzeninde dijital patolojinin rolünü topluca çerçevelemesinde. Yapay zekâ çıktısı, özellikle moleküler testleri önceliklendirme veya şüpheli alanları işaretleme amacıyla yararlı olabilir. Buna karşılık histoloji üzerinden öngörülen bir moleküler değişiklik, valide edilmiş immünohistokimya ya da moleküler test sonucu gibi raporlanmamalıdır.
Patolog için pratik karşılık
Klinik uygulamaya alınacak bir modelde yalnızca yayınlanmış performans yeterli değildir. Farklı merkezler, tarayıcılar, boyama koşulları ve hasta gruplarında dış doğrulama; dijital görüntü kalite kontrolü; başarısızlık ve belirsizliklerin görünür kılınması gerekir. Algoritmanın hangi kararı etkilediği ve son yorumun kim tarafından doğrulandığı da iş akışında açık olmalıdır.
Bugün için en güvenli konumlandırma, yapay zekâyı vaka önceliklendirme, ikinci okuma ve test seçimine yardımcı bir araç olarak kullanmaktır. Entegre tanının sorumluluğu, morfoloji ile doğrulanmış moleküler veriyi klinik-radyolojik bağlamda birleştiren patologda kalır.
Kanıt sınırı
Bu çalışma anlatısal bir derlemedir; tek bir algoritmayı prospektif olarak doğrulamaz ve hasta sonucunda iyileşme göstermez. Bu nedenle sunduğu mesaj, doğrudan uygulama standardından çok güvenli uygulama için bir yol haritası olarak okunmalıdır.
Kaynaklar
- Lechpammer M, Norrell JT, Parnas JN, Vojnic M, Sherman JH. Opportunities and challenges of artificial intelligence and digital pathology in adult CNS tumors. PMID: 42902096. PubMed