Yapay zeka ve biyomarkerler meme kanseri taramasını nasıl dönüştürüyor?

Dünya Sağlık Örgütü (WHO) verilerine göre meme kanseri küresel ölçekte kadınlarda en yaygın tanı konulan malignite konumunu koruyor. Yıllardır "40 yaşından sonra yıllık mamografi" kuralıyla yönetilen tarama programları, son dönemde radyolog eksikliği, yoğun meme yapısındaki düşük hassasiyet ve yanlış pozitif oranları nedeniyle sorgulanıyor. Teknoloji bu boşluğu doldurmak için üç ana eksende hareket ediyor: Görüntüleme yapay zekası, gelişmiş modaliteler ve sıvı biyopsi.

Radyologün "ikinci gözü"nden ötesi: Bağımsız okuyucu olarak AI

En somut gelişme, derin öğrenme modellerinin (CNN) screening mamografilerinde radyolog performansını eşlediğini hatta bazı alt gruplarda aştığını kanıtlayan prospektif çalışmalarla onaylanması. İsveç'te yapılan MASAI çalışması ve İngiltere'de gerçekleştirilen ScreenTrustCAD deneyi, tek radyolog + AI ikilisinin, standart çift radyolog okumasından daha az yanlış pozitif ile benzer kanser yakalama oranı sağladığını ortaya koydu. Bu bulgu, Avrupa'da radyolog iş gücü krizi yaşayan ülkelerde "AI triyaj" modelinin (düşük riskli normalleri AI'e bırakma, şüphelileri radyologe yönlendirme) resmi protokole girmesini hızlandırıyor. FDA şimdiye kadar 20'den fazla mamografi AI yazılımına (iCAD ProFound AI, ScreenPoint Transpara, Google Health/Lunit vb.) onay verdi; Türkiye'de de Sağlık Bilimleri Üniversitesi ve Hacettepe gibi merkezlerde yerli algoritmalar (ör. TÜBİTAK destekli projeler) klinik validasyondan geçiyor.

Yoğun meme engelini aşmak: Tomosentez ve Kontrastlı Mamografi (CEM)

Standart 2D mamografide "beyaz üzerinde beyaz" görünümlü yoğun memeler (BIRADS C/D) hassasiyeti %50'lere düşürebiliyor. Dijital Breast Tomosentezi (DBT / 3D Mamografi) bu oranı artırıyor ancak radyasyon dozu ve okuma süresi dezavantajları var. Son beş yılda öne çıkan Kontrastlı Geliştirilmiş Mamografi (CEM), MR'nin neredeyse hassasiyetini (%95-100 civarı), çok daha düşük maliyetle ve 10 dakikalık bir sürede sunuyor. ABD Radyoloji Kollu (ACR) ve Avrupalı EUSOBI kılavuzları artık yoğun memeli kadınlarda tamamlayıcı tarama için CEM'i MR'nin bir alternatifi olarak yer alıyor. Türkiye'de KETEM mobil araçları henüz 2D ile sınırlı olsa da, üniversite hastaneleri ve özel merkezlerde CEM protokolleri standartlaşıyor.

Sıvı biyopsi: Görüntülemeden önce moleküler sinyal

Görüntüleme yöntemleri anatomik birleşimi görürken, sıvı biyopsi (ctDNA, CTC) tümör tarafından kan dolaşımına salınan moleküler izleri yakalıyor. Galleri (GRAIL), CancerSEEK ve Türkiye'de geliştirilen yerli paneller (örn. OncoDNA/TRGENETIK iş birlikleri) ile kan numunesinden çoklu kanser erken tespiti gündeme geldi. Ancak bu testler henüz screening amaçlı onaylı değil; FDA "Kanser Tespiti Yok" (LDT) yolu ile kullanıma sunulan testler için yanlış negatif riski ve overdiagnosis tartışmaları sürüyor. Uzmanlar, sıvı biyopsisinin yakın gelecekte "yüksek riskli gruplarda mamografiyi tetikleyen bir filtre" olacağını, tek başına tarama aracı olmayacağını vurguluyor.

Kişiselleştirilmiş tarama: Yaştan risk skoruna

Tyrer-Cuzick (IBIS), CanRisk (BOADICEA) ve Gail modelleri; aile öyküsü, patolojik biyopsi geçmişi, meme yoğunluğu ve polimorfik risk alelleri (PRS) verilerini birleştirerek 5-10 yıllık bireysel risk skoru üretiyor. ABD'de USPSTF 2024 taslağı, 40 yaş başlangıcını onaylarken de "risk temelli aralıklandırma" ihtiyacını işaret etti. Avrupa'da MyPeBS çalışması, risk skoruna göre tarama sıklığını (yıllık vs iki yılda bir) belirlemenin maliyet-etkinliğini test ediyor. Türkiye'de Sağlık Bakanlığı KETEM yönetmelikleri henüz yaş tabanlı kalmakla birlikte, yoğun meme bildirimi zorunluluğu (2023 Sağlık Bakanlığı Genelgesi) ve aile öyküsü sorgulaması risk odaklı altyapıyı hazırlıyor.

Entegrasyon zorlukları: Veri, sorumluluk ve eşitlik

Teknoloji hazır olsa da üç kritik engel var: İlk olarak veri önyargısı (bias); eğitim setlerinin çoğu Beyaz kökenli kadınlardan oluştuğu için Asi ve Siyah kadınlarda performans düşebiliyor. İkincisi yasal sorumluluk; AI bir kanseri kaçırabilir, radyolog "AI normal dedi" diyerek savunmasız kalıyor. Üçüncüsü erişim adaleti; CEM, Tomosentez ve AI lisans maliyetleri kamu hastaneleri için yük. Sağlık Bakanlığı'nın 2024-2028 Stratejik Planı'nda "Yapay Zeka Destekli Taramalar" hedefleniyor ancak reimbürsman (geri ödeme) politikaları henüz netleşmedi.

Özetle; meme kanseri taraması "herkese aynı test" paradigmasından "doğru kişiye, doğru zamanda, doğru test" modeline evriliyor. Yapay zeka radyologu değiştirmiyor, onu yoğunluktan kurtarıp karar destek mekanizması oluyor. Kontrastlı mamografi ve sıvı biyopsi ise yoğun meme ve genetik risk gibi zorlu alt gruplarda boşluğu dolduruyor. Türkiye için öncelik; KETEM altyapısının 3D/AI entegrasyonuyla yükseltilmesi ve risk skorlama yazılımlarının ulusal veriyle (TÜRKSAK/ONKODATA) valide edilmesi olmalı.