Bu sistematik derleme ve meta-analiz, yapay zekâ destekli ultrason elastografisinin meme kanserinde benign ve malign lezyonları ayırt etme doğruluğunu değerlendirdi. Beş akademik veri tabanından belirlenen 501 kayıttan seçilen 39 çalışma ve toplam 6191 biyopsiyle doğrulanmış lezyon analiz edildi. En iyi performans gösteren modeller üzerinden yapılan ana meta-analizde yapay zekâ destekli elastografinin birleştirilmiş duyarlılığı %90,3, özgüllüğü %88,0 ve ROC eğrisi altında kalan alanı (AUC) %89,2 olarak hesaplandı. Buna karşılık çalışmalar arası heterojenlik yüksekti (I²=%78,0), yayın yanlılığına ilişkin Egger testi anlamlıydı (p=0,001) ve çalışmaların büyük bölümü bağımsız dış doğrulama yerine eğitim veya aynı kaynak popülasyondan gelen verileri kullandı. Bu nedenle sonuçlar yapay zekâ destekli ultrason elastografisinin umut verici bir yardımcı tanı yaklaşımı olduğunu desteklemekle birlikte, söz konusu performans oranları gerçek klinik uygulamada garanti edilen doğruluk olarak yorumlanamaz.

Ultrason elastografisi (ultrasound elastography, UE), dokunun deformasyon veya sertlik özelliklerinden yararlanır. İncelenen çalışmalar bu görüntü bilgisini yapay zekâ modellerine aktararak meme lezyonlarının sınıflandırılmasını değerlendirmiştir. Meta-analizde yalnız elastografi kullanan sistemlerin yanı sıra B-mod ultrason ile elastografiyi birlikte kullanan yaklaşımlar, farklı segmentasyon yöntemleri, veri artırma, çapraz doğrulama, klasik makine öğrenmesi ve derin öğrenme modelleri ayrı alt gruplar halinde incelenmiştir.

Araştırmanın temel sorusu neydi?

Araştırmacılar, yapay zekâ ile desteklenen ultrason elastografisinin meme kanseri sınıflandırmasında ne ölçüde doğru sonuç verdiğini ve bu doğruluğun kullanılan yapay zekâ modeli, segmentasyon yöntemi, veri artırma, çapraz doğrulama, modelin değerlendirildiği veri seti ve B-mod ultrasonun elastografiye eklenmesi gibi yöntemsel tercihlerden nasıl etkilendiğini araştırdı.

Çalışmanın odağı yalnızca “yapay zekâ ne kadar doğru?” sorusu değildir. Meta-analiz aynı zamanda yüksek model performanslarının hangi deneysel koşullarda elde edildiğini sorgulamaktadır. Bu ayrım önemlidir; çünkü eğitim verisinde yüksek başarı gösteren bir modelin farklı hastanelerden veya farklı hasta popülasyonlarından gelen görüntülerde aynı performansı göstermesi garanti değildir.

Ultrason elastografisi neyi ölçüyor?

Ultrason elastografisi dokuların mekanik özelliklerinden yararlanarak doku deformasyonu veya sertliği hakkında bilgi sağlayan bir görüntüleme yaklaşımıdır. Kaynak çalışma iki temel elastografi ailesini vurgulamaktadır: strain elastografi (SE) ve shear wave elastografi (SWE). SE, dışarıdan uygulanan kompresyona karşı dokunun deformasyonunu nitel veya yarı nicel olarak değerlendirirken; SWE, dokudaki kayma dalgası yayılımından daha nicel sertlik ölçümleri üretir.

Meta-analizde elastografi görüntülerinin yapay zekâ tarafından işlenmesi; ön işleme, lezyon segmentasyonu, özellik çıkarımı ve benign–malign sınıflandırması gibi farklı aşamaları kapsayan çalışmalar üzerinden değerlendirilmiştir. İncelenen modeller arasında yapay sinir ağları, evrişimli sinir ağları, derin sinir ağları, destek vektör makineleri, lojistik regresyon, random forest, fuzzy yöntemler ve çeşitli hibrit yaklaşımlar bulunmaktadır.

39 çalışmaya nasıl ulaşıldı?

Çalışma PRISMA'nın tanısal test doğruluğu çalışmalarına yönelik uzantısını izledi. Protokol CRD42018091176 numarasıyla PROSPERO'ya kaydedildi. PubMed, CINAHL, Embase, Scopus ve Web of Science veri tabanları başlangıçlarından itibaren tarandı; arama 22 Haziran 2025 tarihinde güncellendi.

Yöntem bölümünde arama stratejisinin tarih veya dil kısıtlaması içermediği belirtilirken uygunluk kriterleri arasında yabancı dil yayınları dışlama ölçütü bulunmaktadır. PRISMA akışı da bir çalışmanın yabancı dil nedeniyle dışlandığını göstermektedir. Bu, kaynak çalışmada açıkça görülen yöntemsel ifade farklılığıdır ve sonuçları aktarırken göz ardı edilmemelidir.

Çalışmaların yapısı nasıldı?

Dahil edilen araştırmalar 2008–2025 yılları arasında yayımlanmıştır. Toplam 39 çalışmanın 23'ü retrospektif, 16'sı prospektiftir. Çalışma örneklemleri 40 ile 1000 lezyon arasında değişmiştir ve toplam analiz 6191 bağımsız biyopsili lezyonu kapsamaktadır. Meta-analizdeki lezyonların %43,0'ı malign olarak sınıflandırılmıştır.

Segmentasyon bakımından 14 çalışma otomatik, 13 çalışma manuel, 11 çalışma segmentasyonsuz ve bir çalışma yarı otomatik yöntem kullanmıştır. Sadece dört çalışma veri artırma uygulamıştır. Yirmi yedi çalışma çapraz doğrulama kullanırken 12 çalışmada bu yöntem belirtilmemiştir.

Model değerlendirme biçimindeki dengesizlik özellikle önemlidir. Yirmi dokuz çalışma model performansını eğitim aşamasındaki veriler üzerinden raporlamış; toplam 10 çalışma doğrulama veya dış doğrulama verisine dayanmıştır. Makalenin çalışma karakteristikleri bölümüne göre yalnızca iki araştırmada gerçek dış doğrulama kullanılmıştır. Bu nedenle meta-analizin yüksek birleştirilmiş performansı, tamamen bağımsız hasta popülasyonlarında doğrulanmış 39 ayrı modelin ortak sonucu değildir.

Kalite ve yayın yanlılığı ne gösterdi?

QUADAS-2 tabanlı değerlendirmede çalışmaların uyguladığı metodolojik koruma önlemlerinin sayısı 7 ile 12 arasında değişmiş ve ortalama 10,1 olarak hesaplanmıştır. Araştırmacılar bu bilgiyi kalite etkileri modelinde çalışma ağırlıklarını ayarlamak amacıyla kullanmıştır.

Çalışmalar arasında belirgin heterojenlik vardı: I²=%78,0. Bu değer, araştırmaların hasta özellikleri, ultrason sistemleri, elastografi yöntemleri, model mimarileri, görüntü işleme adımları ve doğrulama tasarımlarının aynı olmadığını gösteren önemli bir uyarıdır. Huni grafiğinde hafif pozitif asimetri görülmüş ve Egger testi p=0,001 olarak hesaplanmıştır. Yazarlar bunu yüksek tanısal performans bildiren küçük çalışmaların yayımlanma olasılığının daha yüksek olabileceğine ilişkin bir yayın yanlılığı işareti olarak yorumlamıştır.

Neden eğitim seti sonuçları özellikle dikkat çekiyor?

En dikkat çekici alt grup bulgularından biri modelin hangi aşamada değerlendirildiğiyle ilgilidir. Eğitim aşamasında değerlendirilen 29 çalışmada duyarlılık %92,2, özgüllük %89,2 ve AUC %90,8 iken; doğrulama ve dış doğrulama grubunda duyarlılık %83,0, özgüllük %84,6 ve AUC %83,8'e düşmüştür. Kaynak çalışmanın yazarları bu farkı, eğitim verisine yakın değerlendirmelerin model performansını olduğundan iyimser gösterebilme olasılığıyla ilişkilendirmektedir.

Çalışmanın desteklediği sonuçlar

• İncelenen literatürde yapay zekâ destekli ultrason elastografisi, benign ve malign meme lezyonlarını ayırt etmede orta-yüksek düzeyde birleştirilmiş tanısal performans göstermiştir.
• En iyi model analizinde birleştirilmiş duyarlılık %90,3, özgüllük %88,0 ve AUC %89,2'dir.
• Otomatik veya segmentasyonsuz yaklaşımlar, manuel/yarı otomatik segmentasyon grubuna kıyasla daha yüksek birleştirilmiş özgüllük göstermiştir.
• Çapraz doğrulama kullanan çalışmaların birleştirilmiş duyarlılığı, çapraz doğrulama kullanmayan gruptan daha yüksektir.
• Veri artırma kullanan dört çalışmada yüksek performans görülmüştür; ancak bu alt grubun küçük olması nedeniyle güven aralıkları geniştir.
• Klasik makine öğrenmesi ve hibrit modeller, bu meta-analizde sinir ağı/derin öğrenme grubuna yakın ve bazı ölçütlerde biraz daha yüksek birleştirilmiş sonuçlar göstermiştir.
• Model performansı bağımsız doğrulamaya yaklaştıkça eğitim aşamasında görülen yüksek sonuçların önemli ölçüde düştüğü görülmektedir.

Çalışmanın desteklemediği veya kanıtlamadığı sonuçlar

• Yapay zekâ destekli elastografinin deneyimli radyologlardan üstün olduğu kanıtlanmamıştır; yazarlar doğrudan ve yeterli head-to-head karşılaştırma bulunmadığını açıkça belirtmektedir.
• Yapay zekâ destekli elastografinin mamografinin, biyopsinin veya mevcut klinik tanı sistemlerinin yerini alabileceği gösterilmemiştir.
• Meta-analizdeki yüksek performans, tüm hastaneler, ultrason cihazları ve hasta popülasyonlarında aynı doğruluğun elde edileceğini göstermez.
• Alt grup farklılıkları randomize karşılaştırmalar olmadığı için belirli bir segmentasyon, veri artırma veya model tipinin performans artışına nedensel olarak yol açtığını kanıtlamaz.
• Çalışma, AI kullanımının tarama programlarında ölüm oranını azalttığını veya uzun dönem hasta sonuçlarını iyileştirdiğini test etmemiştir.
• Biyopsi sayısının gerçek klinik uygulamada ne ölçüde azaltılabileceği bu meta-analizden doğrudan belirlenemez.
• Birleştirilmiş tanısal doğruluk değerleri, klinik uygulamaya hazır tek bir ürün veya tek bir modelin performansı değildir.

Türkiye açısından nasıl yorumlanmalı?

Meta-analize Türkiye'den prospektif bir çalışma dahil edilmiştir; ancak toplam veri setinin büyük bölümü farklı ülkelerden ve özellikle Asya popülasyonlarından gelmektedir. Bu nedenle %90,3 duyarlılık veya %88,0 özgüllük değerleri Türkiye'deki bir sağlık kurumunda doğrudan beklenen performans olarak sunulamaz. Kaynak çalışmanın kendi sınırlılıkları da farklı hasta popülasyonları, cihaz üreticileri, görüntüleme protokolleri ve dış doğrulama eksikliğinin genellenebilirliği sınırladığını vurgulamaktadır.

Çalışmanın Yöntemi ve Bulguları

Tanısal doğruluk meta-analizi nasıl yapıldı?

Araştırmacılar dahil edilen çalışmalardan gerçek pozitif (TP), yanlış pozitif (FP), gerçek negatif (TN) ve yanlış negatif (FN) değerlerini çıkardı veya raporlanan duyarlılık ve özgüllükten bunları yeniden hesapladı. Çok sınıflı sonuçlar malign ve benign biçiminde ikili yapıya dönüştürüldü.

Veri artırma veya çapraz doğrulama nedeniyle sanal örnek sayısı büyüyen çalışmalarda TP, FP, FN ve TN değerleri özgün örneklem büyüklüğüne göre yeniden ölçeklendirildi. Böylece yapay olarak çoğaltılmış örneklerin meta-analizde orantısız ağırlık oluşturmasının önüne geçilmesi amaçlandı.

Her çalışmada birden fazla model raporlanmışsa ana analiz için yazarların önerdiği veya en yüksek tanısal doğruluğu veren model seçildi. Bu yaklaşım mevcut teknolojilerin potansiyelini değerlendirmeyi amaçlasa da araştırmacılar bunun sonuçları yukarı yönlü etkileyebilecek iyimser bir model seçim yanlılığı oluşturabileceğini kabul etmektedir.

Kullanılan istatistiksel yöntem

Çalışma kalitesini senteze dahil etmek amacıyla quality effects model kullanıldı. Duyarlılık, özgüllük, pozitif ve negatif olabilirlik oranları, tanısal olasılık oranı ve AUC için split component synthesis (SCS) yöntemi uygulandı. Heterojenlik I² istatistiğiyle, küçük çalışma/yayın yanlılığı ise huni grafiği ve Egger regresyon testiyle değerlendirildi. Analizler Stata 16 ve “diagma” modülü ile gerçekleştirildi.

Tanısal ölçütlerin temel formülleri şu kavramlara dayanır:

\[ Duyarlılık=\frac{TP}{TP+FN} \]

\[ Özgüllük=\frac{TN}{TN+FP} \]

Duyarlılık, malign olguların ne kadarının test tarafından pozitif sınıflandırıldığını; özgüllük ise benign/negatif olguların ne kadarının doğru biçimde negatif sınıflandırıldığını ifade eder.

Genel meta-analiz sonucu

Segmentasyon yaklaşımı ne kadar fark yarattı?

Manuel veya yarı otomatik segmentasyon kullanan 14 çalışma 2210 örnek içerirken, otomatik veya açık segmentasyon kullanmayan 25 çalışma 4081 örnek içeriyordu. Duyarlılıklar birbirine oldukça yakındı: sırasıyla %90,2 ve %90,7. Buna karşılık özgüllük manuel/yarı otomatik grupta %81,9, otomatik/segmentasyonsuz grupta %91,1 olarak hesaplandı. AUC değerleri de sırasıyla %86,6 ve %90,9 idi.

Kaynak metin %91,1'lik özgüllüğün “malign lezyonları doğru sınıflandırma” olasılığını artırdığını ifade etmektedir. Ancak makalenin kendi kullandığı standart tanısal tanıma göre özgüllük \(TN/(TN+FP)\) olup negatif/benign örneklerin doğru sınıflandırılmasını ifade eder. Bu nedenle kaynak içindeki bu terminolojik uyuşmazlık burada açıkça kayda geçirilmiştir.

Veri artırma ve çapraz doğrulama

Veri artırma kullanan yalnız dört çalışma, toplam 926 örnek içeriyordu. Bu grubun birleştirilmiş duyarlılığı %92,2 ve özgüllüğü %92,4 olarak hesaplandı. Veri artırma kullanmayan 35 çalışmada karşılık gelen değerler %89,9 ve %87,4 idi. Ancak veri artırma grubunun yalnız dört araştırmadan oluşması nedeniyle güven aralıkları genişti; yazarlar bu bulgunun istikrarının dikkatli yorumlanması gerektiğini özellikle vurgulamaktadır.

Çapraz doğrulama kullanan 27 çalışmada duyarlılık %92,4 ve özgüllük %88,3 iken, çapraz doğrulama kullanmayan 12 çalışmada sırasıyla %86,4 ve %87,3 olarak hesaplandı. Bu sonuçlar çapraz doğrulamayla birlikte daha yüksek birleştirilmiş performans görülmesiyle uyumludur; ancak çalışma düzeyindeki alt grup karşılaştırması çapraz doğrulamanın tek başına bu farkı oluşturduğunu kanıtlamaz.

B-mod ultrason elastografiye eklendiğinde ne oldu?

Yalnız elastografi kullanan 17 çalışmada duyarlılık %88,3, özgüllük %89,5 ve AUC %88,9 idi. B-mod ultrason ile elastografiyi birlikte kullanan 22 çalışmada duyarlılık %91,8'e, AUC %89,5'e çıkarken özgüllük %86,5'e düştü. Dolayısıyla kaynak çalışmanın bimodal yaklaşım lehindeki yorumuna rağmen, alt grup sonuçları bütün tanısal ölçütlerin aynı yönde iyileştiğini göstermemektedir: duyarlılık ve AUC daha yüksek, özgüllük ise daha düşüktür.

Klasik makine öğrenmesi ile derin öğrenme

Sinir ağı ve derin öğrenme grubundaki 16 çalışmada duyarlılık %90,3, özgüllük %86,9, DOR 61,7 ve AUC %88,7 olarak hesaplandı. Klasik makine öğrenmesi ve hibrit modelleri içeren 23 çalışmada ise duyarlılık %90,4, özgüllük %89,0, DOR 76,1 ve AUC %89,7 idi. Bu meta-analizde daha karmaşık derin öğrenme modelleri otomatik olarak daha yüksek birleştirilmiş tanısal performans göstermemiştir.

Makalenin tartışma metninde klasik makine öğrenmesi grubunun özgüllüğü bir noktada %86,9 olarak yazılmıştır. Ana sonuç Tablo 2 ise bu grubun özgüllüğünü %89,0; sinir ağı/derin öğrenme grubunun özgüllüğünü %86,9 olarak vermektedir. Bu nedenle yukarıdaki tabloda kaynak çalışmanın ana sonuç tablosundaki değerler korunmuştur.

“En iyi model” seçiminin etkisi kontrol edildi mi?

Ana analiz her çalışmadaki en iyi model üzerinden yapıldığı için araştırmacılar ayrıca çıkarılan bütün uygun model veri setlerini kullanarak duyarlılık analizi gerçekleştirdi. Bu analizde duyarlılık %88,1 (%95 GA %85,4–90,4), özgüllük ise %88,2 (%95 GA %85,5–90,5) olarak bulundu ve yazarlar sonuçların en iyi model kohortundan istatistiksel olarak anlamlı biçimde farklı olmadığını bildirdi. Bununla birlikte ana analizde en yüksek performanslı modeli seçme yaklaşımının oluşturabileceği iyimser yanlılık çalışma sınırlılıkları arasında korunmalıdır.

Gerçek klinik uygulama açısından temel engeller

Kaynak çalışma, yapay zekâ destekli elastografinin klinik aktarımındaki başlıca sorunları farklı ultrason üreticileri ve cihazları, prob frekansları, özel sinyal işleme algoritmaları, görüntüleme derinliği, strain elastografide uygulanan kompresyon, prob yönelimi, bölge seçimi, hasta popülasyonları ve histopatolojik örnekleme farklılıkları olarak sıralamaktadır.

Ayrıca meme dokusunun homojen, izotropik ve doğrusal elastik bir yapı olmadığı; heterojenlik, anizotropi ve viskoelastik davranışın elastografi ölçümlerini etkileyebileceği vurgulanmaktadır. Yazarlar gelecekte fizik temelli modelleme, sonlu elemanlar yöntemi ile yapay zekânın birlikte kullanılması, daha ayrıntılı doku mekaniği modellemesi ve çok merkezli dış doğrulamayı araştırılması gereken yönler arasında değerlendirmektedir.

Bu nedenle meta-analizin ana mesajı “yapay zekâ meme kanserini %90 doğrulukla teşhis eder” biçiminde sadeleştirilemez. Çalışma, çok farklı algoritma ve klinik koşullardan elde edilmiş literatürü bir araya getirmektedir ve kendi sonuç bölümünde AI destekli elastografiyi bağımsız bir kesin tanı aracı değil, potansiyel bir yardımcı tanısal araç olarak konumlandırmaktadır.

Kaynak ve Yöntem Notu

Finansman ve çıkar çatışması

Yazarlar araştırmanın kamu, ticari veya kâr amacı gütmeyen finansman kuruluşlarından belirli bir dış hibe almadığını bildirmiştir. Bununla birlikte Mohammed Imad Malki için Qatar University iç hibesi QUCG-CMED-25/26-750 belirtilmiş ve makale işlem ücretinin QU Health, Qatar University tarafından karşılandığı açıklanmıştır.

Ibrahim Elmakaty, Ruba Abdo, Amr Ouda ve Mohamed Elmarasi'nin Hamad Medical Corporation'da görev yaptığı belirtilmiştir. Yazarlar araştırmanın ticari veya finansal çıkar çatışması oluşturabilecek ilişkiler olmaksızın yürütüldüğünü beyan etmiştir.

Veri erişilebilirliği

Ana analizde kullanılan en iyi yapay zekâ modellerine ilişkin değerlendirme ölçütleri makaledeki Tablo 1'de verilmiştir. Araştırma sırasında oluşturulan veya analiz edilen ek veri setlerinin makul talep üzerine sorumlu yazardan edinilebileceği bildirilmiştir.

Yazar katkıları

Ibrahim Elmakaty ve Ruba Abdo veri düzenleme, biçimsel analiz, araştırma, metodoloji, ilk taslak ve gözden geçirme/düzenlemeye katkı sağlamıştır. Amr Ouda ve Mohamed Elmarasi veri düzenleme ile yazım çalışmalarına; Mohamed Elahtem ve Yaman Khamis veri düzenleme ve gözden geçirmeye katkıda bulunmuştur. Mohammed Imad Malki kavramsallaştırma, araştırma, metodoloji, gözetim, ilk taslak ve gözden geçirme/düzenleme görevlerini üstlenmiş ve makaleyi yayına gönderme yönündeki nihai karardan sorumlu olmuştur.

Yöntemsel sınırlılıkların özeti

• Çalışmalar arasında yüksek heterojenlik vardır: I²=%78,0.
• Egger testi yayın yanlılığı/küçük çalışma etkisi açısından anlamlıdır: p=0,001.
• Dahil edilen çalışmaların çoğu retrospektiftir.
• Dış doğrulama çok sınırlıdır; çalışma karakteristiklerine göre yalnız iki araştırma dış doğrulama kullanmıştır.
• Birçok model eğitim aşamasında veya aynı kaynak popülasyondaki verilerle değerlendirilmiştir.
• Ana analizde her çalışmanın en iyi modeli seçildiğinden iyimser seçim yanlılığı olasılığı bulunmaktadır.
• Çalışmalar ağırlıklı olarak Asya popülasyonlarından gelmektedir ve küresel genellenebilirlik sınırlıdır.
• Ultrason cihazları, görüntü alma protokolleri, elastografi yöntemleri ve ön işleme yaklaşımları standart değildir.
• Operatör bağımlı kompresyon ve prob yönelimi gibi faktörler kontrol edilememiştir.
• Deneyimli radyologlarla doğrudan ve sistematik karşılaştırma yeterli değildir.
• Alt grup büyüklükleri dengesizdir; özellikle veri artırma grubu yalnız dört çalışmadan oluşmaktadır.
• Meta-analiz klinik tarama yollarında hasta sonuçlarını, mortaliteyi veya gerçek biyopsi azaltımını doğrudan test etmemiştir.

Sonuç olarak çalışma, yapay zekâ destekli ultrason elastografisinin meme lezyonlarının sınıflandırılmasında yüksek potansiyel taşıdığını göstermektedir; fakat mevcut kanıt düzeyi uygulamanın bağımsız klinik tanı sistemi olarak kabul edilmesi için yeterli değildir. Yazarların nihai önerisi, standartlaştırılmış protokoller kullanan büyük, prospektif ve çok merkezli çalışmaların yanı sıra gerçek dış doğrulamanın artırılmasıdır.