Diş Hekimliğinde Yapay Zekâ Nasıl Çalışır?

Diş hekimliğinde yapay zekâ denince genellikle makine öğrenmesi kastedilir: elle yazılmış kurallar yerine örneklerden öğrenen bilgisayar programları. En yaygın kullanım alanı bilgisayarlı görüdür; yani röntgen (dental radyografi) ya da ağız içi fotoğraf gibi görüntülere bakıp daha önce öğrendiği örüntülere benzeyen alanları gösteren yazılımlar.

FDI Dünya Diş Hekimleri Federasyonu tipik örnekleri şöyle sıralar: görüntüde bir nesneyi saptamak (örneğin röntgendeki olası bir çürük lezyonu) ya da klinik verilerden bir olayı öngörmek. Randevu planlama, not tutma ve sohbet asistanları da yapay zekâ kullanır; ancak bu rehber, bugün dental yapay zekânın en çok kullanıldığı alan olan görüntülere odaklanıyor.

Bir model herhangi bir analiz yapmadan önce eğitilir. Geliştiriciler çok sayıda dental görüntü toplar ve deneyimli klinisyenlerden bunları işaretlemelerini (etiketlemelerini) ister: her dişin sınırını çizmek, mevcut dolgu ve kronları belirtmek ya da şüpheli buldukları alanları çevrelemek gibi.

Model kendi tahminlerini bu işaretlerle tekrar tekrar karşılaştırır ve aradaki farkı azaltacak şekilde kendini ayarlar. Binlerce örnekten sonra her etiketle birlikte görülen görsel özellikleri öğrenir. Bunun hastalar için iki önemli sonucu vardır:

• Etiketler tavanı belirler. Görüntüleri işaretleyen uzmanlar birbirinden farklı düşündüyse ya da hata yaptıysa model bunları da öğrenir.
• Veri kapsamı belirler. Ağırlıklı olarak tek bir röntgen türüyle, tek tip cihazla ya da belirli bir hasta grubuyla eğitilen bir model, farklı görünen görüntülerde daha az güvenilir olabilir. FDI bu yanlılık ve sınırlı genellenebilirlik riskini açıkça vurgular.

Eğitilen model, öğrenmediği ayrı bir görüntü setinde değerlendirilir. Amaç, uzmanların bulduklarını ne sıklıkla bulduğunu ve ne sıklıkla yanlış alarm verdiğini tahmin etmektir. Araştırmacılar bu tür çalışmaların doğru raporlanması için kontrol listeleri yayımlamıştır; Amerikan Diş Hekimleri Birliği (ADA) de dental görüntü analizi yapan yapay zekânın nasıl doğrulanacağına ve veri setlerinin nasıl işaretleneceğine dair standartlar yayımlamaya başlamıştır.

Yayımlanan sonuçlar çalışmadan çalışmaya, göreve ve görüntü türüne göre büyük farklar gösterir. Bu Kütüphane'nin doğruluk oranı vermemesinin bir nedeni de budur: bir çalışmada, bir veri setinde ölçülen sayı, sizin röntgeniniz için otomatik olarak geçerli değildir.

Yeni bir görüntü yüklendiğinde eğitilmiş model bu görüntü üzerinde çalışır. Bu aşamaya çıkarım (inference) denir. Yazılım genellikle şunları yapar:

1. Görüntünün kendisi için tasarlandığı türden olup olmadığını kontrol eder; örneğin ilgisiz bir fotoğraf değil, gerçekten bir diş röntgeni mi?
2. Dişleri bulur ve uluslararası FDI iki haneli sistemiyle numaralandırabilir (kalıcı dişler için 11–48).
3. Öğrendiği örüntülere benzeyen alanları işaretler: mevcut dental çalışmalar ya da daha yakından bakılması gerekebilecek olası bulgular.
4. Her işarete, görüntünün öğrendiklerine ne kadar benzediğini yansıtan bir iç skor ekler. Bu skor ne bir ciddiyet ölçüsüdür ne de teşhis.

Sonuç, yapay zekâ destekli gözlemlerden oluşur: çoğu zaman görüntünün üzerine renkli çizgiler (katmanlar) olarak gösterilen yapılandırılmış öneriler. Bu çıktıları yapay zekâ destekli röntgen analizi rehberimizde ayrıntılı ele alıyoruz.

Röntgen iki boyutlu bir gölge görüntüsüdür. Bir dişin ağrıyıp ağrımadığını, diş etinizin kanayıp kanamadığını, nasıl ısırdığınızı ya da daha önce neler denediğinizi göstermez. Üst üste binen yapılar, bulanıklık ve konumlandırma hataları bir sorunu gizleyebilir ya da varmış gibi gösterebilir. Yapay zekâ yalnızca kendisine verilen piksellerle çalıştığı için bu sınırların hepsini devralır.

Bu nedenle yapay zekâ yanlış pozitif (sonradan normal çıkan bir alanı işaretlemek) ve yanlış negatif (var olan bir bulguyu kaçırmak) sonuçlar üretebilir. Ne model ne de tek bir görüntü; sağlık geçmişinizin, muayenenin ve mesleki değerlendirmenin yerini tutar.

FDI'nin 2024 tarihli politika bildirgesi, diş hekimlerinin yapay zekâ uygulamalarını destek sistemi olarak kullanmasını ve otomasyon yanlılığına — makinenin önerisine gereğinden fazla güvenme eğilimine — karşı dikkatli olmasını önerir. Yapay zekâ desteğiyle varılan her teşhis ya da tedavi kararının sorumluluğunun insanda kaldığını belirtir. Dünya Sağlık Örgütü'nün sağlıkta yapay zekâ rehberi de insan denetimini ve hesap verebilirliği merkeze koyar.

Uygulamada diş hekimi her öneriyi inceler, kabul eder ya da reddeder, yazılımın bilemeyeceği bilgileri ekler ve başka bir röntgen, klinik bir test ya da sevk gibi ek bilgiye ihtiyaç olup olmadığına karar verir. Bu konuyu Yapay zekâ diş hekiminin yerini alır mı? yazımızda ayrıntılandırıyoruz.