Koklear İmplant Cerrahisinde Hassasiyet Çağı Başlıyor
İşitme kaybı yaşayan milyonlarca insan için bir umut ışığı olan koklear implantlar (biyonik kulak), cerrahi hassasiyetin en üst düzeyde olması gereken prosedürlerin başında gelir. Bu ameliyatın en kritik aşamalarından biri olan ve kulak arkasındaki kemiğin oyulmasını gerektiren ‘mastoidektomi’ işlemi, artık yapay zeka (YZ) desteğiyle çok daha güvenli ve öngörülebilir hale geliyor. St. Mary’s Üniversitesi, Trinity Üniversitesi ve Vanderbilt Üniversitesi’nden araştırmacıların geliştirdiği yeni bir yapay zeka modeli, cerrahların ameliyat öncesinde ne kadar kemik dokusu çıkarmaları gerektiğini yüksek doğrulukla tahmin edebiliyor.
Mastoidektomi: Cerrahın Zorlu Sınavı
Koklear implant ameliyatlarında, cerrahın iç kulağa ulaşabilmesi için kulak arkasındaki mastoid kemiğini dikkatlice oyması gerekir. Bu işleme tıbbi literatürde mastoidektomi adı verilir. Her hastanın anatomisi parmak izi gibi farklıdır; bu da kemiğin ne kadar derinlikte ve hangi şekilde oyulacağını önceden kestirmeyi zorlaştırır. Geleneksel yöntemlerde cerrahlar, ameliyat öncesi çekilen Bilgisayarlı Tomografi (BT) taramalarına bakarak zihinlerinde üç boyutlu bir plan oluşturmaya çalışırlar. Ancak insan gözü ve geleneksel analiz araçları, milimetrik hassasiyet gerektiren bu düzensiz boşlukların sınırlarını belirlemede bazen yetersiz kalabilir.
Yeni Yapay Zeka Modeli Nasıl Çalışıyor?
Journal of Medical Imaging dergisinde yayımlanan bu çığır açıcı çalışmada, araştırmacılar iki aşamalı bir derin öğrenme (deep learning) yöntemi geliştirdiler. Bu sistemin çalışma prensibi, cerrahi planlamayı kökten değiştirebilecek nitelikte:
- Öğrenme Aşaması: Model, ameliyat öncesi ve sonrası çekilen BT taramalarını karşılaştırarak eğitildi. Sistem, cerrahın nerede ne kadar kemik çıkardığını analiz ederek, insan müdahalesine gerek kalmadan kendi kendine öğrenme yeteneği geliştirdi.
- Gürültüyü Ayıklama: Ameliyat sonrası görüntülerde genellikle metal implantların yarattığı parlamalar veya görüntü bozuklukları (gürültü) bulunur. Araştırmacılar, “Student-t dağılımı” adı verilen özel bir matematiksel fonksiyon kullanarak yapay zekanın bu bozukluklara aldanmamasını ve sadece kemik yapısına odaklanmasını sağladılar.
Cerrahlar İçin ‘Dijital Bir Rehber’
Geliştirilen bu model, sadece teorik bir çalışma olmanın ötesinde, pratik cerrahi sonuçlar da vaat ediyor. 751 çift BT taraması üzerinde test edilen sistem, cerrahların manuel çizimleriyle karşılaştırıldığında 0.72 Dice skoru (bir benzerlik ve doğruluk ölçütü) elde etti. Bu skor, modelin önde gelen birçok tıbbi görüntüleme yazılımından daha başarılı olduğunu gösteriyor.
Bu teknoloji sayesinde:
- Daha Güvenli Ameliyatlar: Cerrahlar, kritik sinirlere ve damarlara zarar vermeden önce hangi bölgenin güvenli olduğunu dijital bir harita üzerinde görebilecek.
- Robotik Cerrahi Entegrasyonu: Gelecekte bu veriler, cerrahi robotlara yüklenerek kemik oyma işleminin milimetrik hatayla otomatik veya yarı-otomatik yapılmasını sağlayabilir.
- Asistan Eğitimi: Tıp öğrencileri ve asistanlar, gerçek hastalar üzerinde çalışmadan önce bu modellerle oluşturulan sanal simülasyonlarda pratik yapabilecek.
Geleceğin Ameliyathanesi Şekilleniyor
Bu çalışma, tıbbi görüntülemede “etiketlenmiş veri” (uzmanlar tarafından tek tek işaretlenmiş görüntüler) eksikliğinin nasıl aşılacağını da gösteriyor. Uzmanların binlerce görüntüyü elle işaretlemesi aylar sürebilirken, bu yeni YZ modeli “zayıf etiketleme” ve “kendi kendine öğrenme” yöntemleriyle bu süreci otomatikleştiriyor. Vanderbilt Üniversitesi ve ortaklarının bu başarısı, sadece kulak burun boğaz cerrahisinde değil, ortopedi ve beyin cerrahisi gibi kemik dokusuna müdahale edilen diğer alanlarda da benzer teknolojilerin önünü açabilir.
Kaynaklar:
- spie.org: Kaynak
- bioengineer.org: Kaynak
- nih.gov: Kaynak
- news-medical.net: Kaynak
- From preoperative computed tomography to postmastoidectomy mesh construction: mastoidectomy shape prediction for cochlear implant surgery: Kaynak
- Automated Prediction of Bone Volume Removed During Cortical Mastoidectomy Using Deep Learning: Kaynak
