# APBA Kısa Özet

Dünya çapında ilk kez bir beyin cerrahisi sırasında gerçek zamanlı görüntü analizi yapan yapay zeka sistemi kullanıldı. İngiltere'deki University College London Hospital (UCLH) bünyesinde, 48 yaşındaki bir hastanın hipofiz bezindeki 11 mm'lik iyi huylu tümörü, endoskopik bir kamera aracılığıyla çıkarıldı. Yapay zeka, operasyon sırasında canlı video akışını analiz ederek cerrahlara kritik damar ve sinirlerin konumunu bildirdi; bu sayede tümörün mümkün olduğunca büyük bir kısmı güvenli bir şekilde çıkarıldı. Çalışma tek bir hastayı kapsayan bir vaka raporu olup, hakemli bir dergide yayınlanmamıştır ve bu nedenle bulguların genelleştirilebilirliği sınırlıdır.

# Çalışma neyi araştırdı?

Bu vaka raporu, yapay zekâ destekli bir görüntü işleme sisteminin endoskopik hipofiz tümörü cerrahisinde gerçek zamanlı olarak kullanılabilirliğini ve potansiyel faydalarını incelemeyi amaçlamaktadır. Özellikle, sistemin cerrahlara görünmeyen ancak operasyon güvenliği açısından kritik öneme sahip damar ve sinirlerin konumunu doğru bir şekilde bildirebilmesi değerlendirilmiştir.

# Yöntem

• Hasta ve klinik durum: 48 yaşındaki erkek hasta, görme kaybı riski taşıyan 11 mm çapında, kanserli olmayan bir hipofiz tümörü ile değerlendirildi.
• Cerrahi yaklaşım: Burun yoluyla, kafatasının tabanına doğru ince bir kamera (endoskop) ilerletilerek transnasal endoskopik cerrahi gerçekleştirildi.
• Yapay zeka sistemi: Sistem, telefonlardaki yüz tanıma teknolojisine benzer bir prensiple çalışarak, operasyon sırasında elde edilen canlı video görüntülerini anlık olarak analiz etti. Algoritma, önceden etiketlenmiş cerrahi video veri seti üzerinden eğitilmiş olup, kritik damar ve sinir yapılarını tanımlamayı hedefledi.
• Veri toplama: Operasyon süresince elde edilen video akışı, yapay zekâ tarafından işlenerek cerrahlara görsel geri bildirim sağlandı. Cerrahi sonuçları, tümörün ne kadarının çıkarıldığı ve perioperatif komplikasyonların olup olmadığı gibi klinik parametrelerle değerlendirildi.

# Temel bulgular

• Başarıyla tümör çıkarımı: Cerrahi ekip, tümörün büyük bir kısmını güvenli bir şekilde çıkarmayı başardı; hastada görme kaybı gibi ciddi bir komplikasyon gelişmedi.
• Yapay zekânın katkısı: Sistem, cerrahlara kritik damar ve sinirlerin konumunu gerçek zamanlı olarak bildirdi; bu bilgi, cerrahların güvenli bir kesim planı oluşturmasına yardımcı oldu.
• Operasyon süresi ve akışı: Kaynakta operasyon süresiyle ilgili kesin bir sayı verilmemiştir; ancak yapay zekânın entegrasyonu, cerrahi ekibin karar verme sürecini desteklediği belirtilmiştir.
• Hasta memnuniyeti: Hastanın, yapay zekânın güvenlik açısından sağladığı faydayı olumlu değerlendirdiği ve “Kafamızın içinde yol işaretleri yok” şeklinde bir yorum yaptığı rapor edilmiştir.

# Bulgular ne anlama geliyor?

Bu tek vaka, yapay zekânın beyin cerrahisinde, özellikle endoskopik yaklaşımlarda gerçek zamanlı anatomik haritalama sağlayarak cerrahi güvenliği artırma potansiyelini göstermektedir. Görünmeyen damar ve sinirlerin konumunun otomatik olarak tespit edilmesi, cerrahlara kritik karar anlarında ek bilgi sunar; bu da komplikasyon riskini azaltabilir. Ancak, bulgular tek bir hastaya dayandığı ve sistemin yalnızca bu prosedürde test edildiği için, sonuçların genelleştirilebilirliği sınırlıdır.

# Klinik önem

• Güvenlik artışı: Gerçek zamanlı yapay zeka desteği, cerrahlara kritik anatomik yapıların konumunu bildirdiği için intraoperatif komplikasyon riskini azaltma potansiyeline sahiptir.
• Eğitim ve öğrenme: Sistem, genç cerrahların karmaşık beyin anatomisini daha hızlı öğrenmesine yardımcı olabilir; ancak bu henüz kanıtlanmamıştır.
• Teknoloji entegrasyonu: Endoskopik cerrahi ekipmanlarıyla uyumlu bir yapay zeka platformu, gelecekte daha geniş bir hasta popülasyonunda test edilerek protokollerin standartlaştırılmasına katkı sağlayabilir.
• Hasta iletişimi: Yapay zekânın güvenlik faydaları, hastalarla cerrahi riskleri tartışırken açıklanabilir; bu da hasta memnuniyetini artırabilir.

# Sınırlılıklar

• Örneklem büyüklüğü: Çalışma yalnızca tek bir hastayı (n=1) kapsamaktadır; bu nedenle istatistiksel güç ve genelleştirilebilirlik çok düşüktür.
• Hakemli yayın olmaması: Çalışma henüz hakemli bir dergide yayımlanmadığı için bilimsel denetim ve eleştirel değerlendirme eksiktir.
• Yüksek yanlılık riski: Tek vaka raporu, seçici raporlama ve gözlem yanlılığına açıktır.
• Genelleştirilebilirlik: Yapay zeka sistemi sadece bu prosedürde test edilmiştir; farklı tümör tipleri, hastalık konumları veya cerrahi tekniklerde performansı bilinmemektedir.
• Eğitim veri seti ve protokol eksikliği: Sistem, video tabanlı bir eğitim setiyle geliştirilmiş; standartlaştırılmış protokoller ve çok merkezli doğrulama çalışmaları henüz mevcut değildir.
• Klinik karar üzerindeki etkisi: Yapay zekânın cerrahi kararları ne ölçüde etkilediği, operasyon süresi, kanama miktarı gibi objektif ölçütlerle rapor edilmemiştir.

Bu sınırlamalar, bulguların dikkatli bir şekilde yorumlanmasını ve daha geniş ölçekli, kontrollü çalışmalarla desteklenmesini gerektirmektedir.