Meme kanseri tedavisinde kişiselleştirilmiş yaklaşımlar için genetik alt tiplerin belirlenmesi kritik öneme sahip. PAM50 gen imzası, meme kanserini moleküler özelliklerine göre sınıflandırmada altın standart olarak kabul ediliyor ancak bu testler yüksek maliyetli ve zaman alıcı.
Yeni araştırmada geliştirilen yapay zeka sistemi, rutin histopatoloji incelemelerinde kullanılan H&E boyalı doku kesitlerinden PAM50 alt tiplerini doğrudan tahmin edebiliyor. Sistem, çok amaçlı genetik algoritma olan NSGA-II ile Monte Carlo dropout tabanlı belirsizlik tahmini yöntemini birleştiriyor.
Bu yaklaşım, görüntüdeki en bilgilendirici alanları seçerken aynı zamanda uzamsal çeşitlilik ve belirsizlik faktörlerini de optimize ediyor. ResNet18 özellik çıkarma ağı ile özel tasarlanmış CNN sınıflandırma başlığı kullanan sistem, az sayıda ama son derece bilgilendirici görüntü yamasıyla yüksek doğruluk elde ediyor.
TCGA-BRCA veri seti üzerinde test edilen yöntem, geleneksel moleküler testlere alternatif olma potansiyeli taşıyor. Bu gelişme, meme kanseri hastalarının tedavi planlaması sürecini hızlandırırken maliyetleri de önemli ölçüde azaltabilir. Yapay zekanın tıp alanındaki uygulamalarına bir yenisini daha ekleyen bu çalışma, dijital patoloji alanında önemli bir adım teşkil ediyor.