Yapay zeka destekli "Craniocatch" sistemi, diş çürüklerinden kemik kaybına kadar pek çok hastalığı tespit ederek erken teşhis imkanı sunuyor. Önümüzdeki süreçte bu sistemin ağız kanseri teşhisinde de kullanılması hedefleniyor. Kocaeli Sağlık ve Teknoloji Üniversitesi (KOSTÜ) Ağız ve Diş Sağlığı Uygulama ve Araştırma Merkezi, yapay zeka destekli muayene dönemini başlattı. "Craniocatch" isimli yapay zeka programı, hastalıkları teşhis edip tedavi planı önererek diş hekimlerine yardımcı oluyor. Uygulamayı yaklaşık bir aydır kullanan Dr. Öğretim Üyesi Melisa Öçbe, sistemin gelecekte kanser teşhisine de katkı sunabileceğini belirtti. Türkiye'de yalnızca 5 hastanede kullanılan bu teknolojinin, Kocaeli'de ilk kez KOSTÜ'de devreye alındığı öğrenildi.
"Tanı koyuyor, yetmiyor tedavi yöntemi sunuyor"
KOSTÜ Diş Hekimliği Fakültesi'nde Ağız, Diş, Çene Radyolojisi Ana Bilim Dalı'nda görevli Dr. Öğretim Üyesi Melisa Öçbe, "Craniocatch" isimli yapay zeka programının detaylarını anlattı. Bu programı yaklaşık bir aydır kullandıklarına dikkat çeken Öçbe, "100'den fazla hastayı yapay zeka ile muayene ettik. Hasta ilk muayeneye geldiğinde, rutin görüntüleme yöntemi olan 2 boyutlu panoramik röntgen çekiliyor. Craniocatch, bu panoramik radyografiyi analiz ederek hem anatomik noktaları belirliyor hem de çürük, periodontal hastalıklar gibi mevcut rahatsızlıkların tanısını koyuyor. Bununla da kalmayıp hasta için bu mevcut hastalıkların tedavi planını oluşturuyor. 'Bu diş çürük, buna dolgu yapılması lazım, kemik kaybı var, diş boşluğu var, implant yapılması gerekiyor' gibi bize detaylı tedavi yöntemi sunuyor" dedi.
"Kocaeli'de ilk"
Hastanın herhangi bir zararlı etkiye maruz kalmadığını vurgulayan Dr. Öçbe, yapay zeka programının hasta yönetim sistemiyle entegre çalıştığını söyledi. Sistemin işleyişini de anlatan Öçbe, "Hasta röntgeni çekildiğinde tek bir tuşa basmamız yeterli oluyor. Röntgen analizi butonunu bastığımızda hastanın tüm mevcut hastalıkları ve tedavi yöntemleri bize sunulmuş oluyor. Yapay zeka kullanarak ağız muayenesi yapıyoruz. Kocaeli'de ilk kez KOSTÜ Diş Hekimliği Fakültesi'nde bu sistemi kullanıyoruz. Türkiye genelinde de sayılı üniversitelerde yer alıyor. Biz de kendi verilerimizle bu derin öğrenme algoritmasını geliştirmeye çalışıyoruz" diye konuştu.
"Diş hekimleri olarak alışma sürecine giriyoruz"
Yapay zekanın muayene sürecine katkısına değinen Dr. Öçbe, şu bilgileri verdi:
"Şu an için sistemin verdiği verileri kontrol etmemiz gerektiğinden, muayene süresini kısaltmıyor. Ancak gelecekte ek algoritmalarla süreç daha hızlı hale gelebilir. Dünyada diş hekimleri olarak buna alışma sürecine giriyoruz. Beraber çalışmayı öğrenebileceğimiz bir zaman diliminde muayene süresini de kısaltacağını, tanıyı kolaylaştıracağını düşünüyorum. Türkiye'de bu algoritmanın kullanım yerinin 5'ten az olduğunu biliyorum. Umarım giderek yaygınlaşır"
Tanı ve tedavi yöntemi sunuyor
Dr. Öğretim Üyesi Melisa Öçbe, kullandıkları bu algoritmanın tanı sürecine katkısına ilişkin de detaylı bilgilendirmelerde bulundu. Öçbe, "Yapay zeka algoritması, anatomik noktaları tespit ediyor. Çürük, diş eti hastalıkları, periodontal hastalıklara bağlı olarak kemik kayıpları gibi bir çok şeyi tespit edilebiliyor. Diş çürüklerinin büyüklüğüne göre tedavi endikasyonun dolgu ya da kanal tedavisini seçiyor. Ayrıca çene kemiği içerisinde bulunan radyoopak ya da radyolüsent kemik içi lezyonları tespit edebiliyor ve bunlar için ön tanı sunabiliyor. Hastanın sahip olduğu diş dolgularda uyumsuzluk ya da yeni başlayan çürük varsa bunu gösterebiliyor. Bir röntgen çekildiğinde hastada gözüken tüm anatomik noktaları tek tek görebiliyoruz. Bu eğitimde de öğrenciler için sık başvurduğumuz bir yöntem. Klasik anlamda öğrenciyle röntgeni değerlendirirken, 'Burası neresi?' diye sorduğumuzda bilebiliyor, bilemiyor veya karıştırıyor. Craniocath ile beraber bu anatomik noktaların hepsini tek seferde gördüğümüzde farklı renklerle etiketlenmiş birçok alan öğrencinin aklına çok iyi yer ediyor" dedi.
"Bilgisayar başındayken öğrenebiliyor hale geleceğiz"
Yapay zekanın hasta üzerindeki önemine de değinen Öçbe, "Normalde biz 3 boyutlu tomografik kesitlerde bir lezyonu farklı gri tonlarında görüyoruz. Bu gri tonları gözümüzle ayırt edebildiğimiz skalanın ötesinde, radyomiksle daha derin analiz edildiğinde lezyonun ön tanısı bile konulabiliyor. Histopatolojik değerlendirme, lezyonun kesin tanısı için altın standarttır. Fakat yalnızca yapay zeka radyomiks uygulamaları kullanılarak, lezyonun histopatolojik değerlendirmeye yakın bir ön tanısı elde edilebiliyor. Bu sayede, daha bilgisayar başındayken, biyopsi almadan, cerrahi işlem yapmadan ve örneği laboratuvara göndermeden lezyon hakkında bilgi sahibi olabileceğiz" şeklinde konuştu.
