Yeni bir retrospektif çalışma, rutin mamogram görüntülerinin yapay zekâ kullanılarak analiz edilmesinin kardiyovasküler risk açısından önemli bilgi sağlayabildiğini ortaya koydu. Araştırmayı Emory University School of Medicine'den doç. Hari Trivedi yönetti. Ekip, Emory Healthcare ve başka büyük bir sağlık sisteminden 40–79 yaş aralığındaki 123,762 kadının mamogram verilerini inceledi; mamogram çekildiğinde hiçbirinde bilinen kardiyovasküler hastalık yoktu.
Çalışmada yapay zekâ araçları meme dokusundaki atardamar kalsifikasyonlarını yani meme arteriyel kalsifikasyonunu (BAC) ölçtü. BAC, damarların sertleşmeye başladığının bir işareti olarak kabul edilir ve miyokard enfarktüsü, kalp yetmezliği, inme ve ölüm ile ilişkilidir. Araştırma BAC'ı yok, hafif, orta ve şiddetli şeklinde sınıflandırdı ve bu grupların gelecekteki kardiyovasküler sonuçlarını karşılaştırdı.
- Hafif kalsifikasyon: yaklaşık %30 daha yüksek ciddi kardiyovasküler risk.
- Orta kalsifikasyon: riskte %70'ten fazla artış.
- Şiddetli kalsifikasyon: iki ila üç kat daha yüksek risk.
Trivedi ve ekip, mamografilerin 40 yaşında başlamasını vurguladı; çünkü 50 yaşın altındaki kadınlar sıklıkla kardiyovasküler risk açısından değerlendirilmemekteydi. Araştırmacılar, kadınların mamogram sonuçlarını doktorlarıyla görüşüp gerekirse önleyici adımları değerlendirmelerini önerdi. Sonuçlar European Heart Journal'da yayımlandı ve çalışma National Institutes of Health tarafından fonlandı.
Zor kelimeler
- retrospektif — Geçmişte toplanmış verilerin geriye dönük incelenmesi
- mamogram — Göğüs dokusunun röntgen görüntüsü alınması
- yapay zekâ — Bilgisayarların insan benzeri görevleri öğrenmesi ve yapması
- kalsifikasyon — Doku veya damarda kalsiyum birikimi oluşmasıkalsifikasyonlarını, kalsifikasyonunu
- arteriyel — Atardamarlarla ilgili veya atardamarlara ait olan
- kardiyovasküler — Kalp ve kan damarlarıyla ilgili sağlık durumu
- miyokard enfarktüsü — Kalp kasının bir bölümünün kan kaybı sonucu ölmesi
İpucu: Türkçe metni okurken veya ses kaydını dinlerken, vurgulanan kelimelerin üzerine gel, odaklan ya da dokun; anında kısa tanımlar görünür.
Tartışma soruları
- Mamogramlarda yapay zekâ ile BAC tespiti kadınların sağlık takibini nasıl değiştirebilir? Örneklerle açıklayın.
- Çalışma mamografilerin 40 yaşında başlamasını vurguluyor; bu önerinin avantajları ve olası zorlukları neler olabilir?
- BAC derecesi saptandığında hangi önleyici adımlar doktorlar ve hastalar tarafından değerlendirilebilir? Kısa olarak tartışın.
İlgili makaleler
GA1CAR: Fab ile kontrol edilebilen modüler CAR‑T hücreleri
Araştırmacılar, hedeflemeyi saldırı mekanizmasından ayıran GA1CAR adında modüler bir CAR‑T sistemi geliştirdi. Kısa ömürlü Fab parçalarıyla hücrelerin etkinliği kontrol ediliyor ve farklı tümör hedeflerine yönlendirilebiliyor; hayvan modellerinde olumlu sonuçlar görüldü.
Yapay Zekâ ile ölüm nedeni verileri iyileştiriliyor
Gates Vakfı destekli CODA projesi, düşük gelirli ülkelerde ölüm nedenlerini daha doğru tespit etmek için bir yapay zekâ aracı geliştiriyor. Sistem hem toplumda hem de sağlık tesislerinde kullanılmak üzere tasarlandı ve Eylül ayında sınırlı denemeler planlanıyor.
Vatandaş bilimi SKA ve WHO hedeflerinin izlenmesine katkı sağlıyor
Ağustos ayında yayımlanan derleme, vatandaş biliminin Sürdürülebilir Kalkınma Amaçları (SKA) ile WHO Triple Billion hedeflerinin sağlık ve iyi olma göstergelerinin izlenmesine yardım edebileceğini gösteriyor. Yazarlar IIASA ve WHO'den geliyor.
Ağızdan verilen Listeria aşısı bağırsakta kolorektal kanseri hedefliyor
Stony Brook ekibi Brian Sheridan liderliğinde, modifiye Listeria monocytogenes temelli bir oral aşı geliştirdi. Fare modellerinde aşı bağırsakta güçlü CD8 T hücresi yanıtı oluşturdu, yayılmadı ve kontrol noktası inhibitörleriyle birlikte daha etkili oldu.