Using Artificial Intelligence in Radiation Oncology and Researching the Approach of Experts in Turkey

Year 2022, Volume: 2 Issue: 1, 1 - 7, 26.04.2022

Selçuk Bayer

Abstract

Radiation Oncology is a treatment method that uses high technologies in cancer treatment and produces large amounts of medical images and data. GOAL: To investigate artificial intelligence (AI) based applications used in the Radiation Oncology workflow and to determine the ap-proaches, predictions, and expectations of experts (Radiation Oncologists and Medical Physics Specialists) in this field in Turkey. METHOD: An online questionnaire consisting of 10 questions was sent to a total of 51 people, consisting of Radi-ation Oncologists (27) and Medical Physicists (24) actively working in the field of radiation oncology in Turkey, and the results were analyzed. RESULTS: 11.76% of the experts par-ticipating in the research and working on this subject in Tur-key have no knowledge of AI and this group was excluded from the analysis. 88.98% of the participants agree that AI has beneficial applications in the field of medicine. While 46.67% of the participants do not think that AI applications can be used instead of their current work, 97.78% of the par-ticipants think that they can get support from AI applications in their transactions. The area where AI applications can be most beneficial is “Personalized or Adaptive therapy applica-tions” with 42.22%. The most important advantage of using AI has been identified as “It can produce meaningful results by processing large amounts of clinically meaningful data in real-time” with 55.56%. In case the decisions made by AI and the decisions made by individuals are different, 57.78% of the participants consider seeking a secondary expert opini-on. 52.27% of participants think that the person who applies the process should be considered responsible for the prob-lems that AI will create. The biggest obstacle in the deve-lopment of AI applications in Turkey is “the current human resources are closed to technological developments” by 40% of the participants.

Keywords

Artificial Intelligence, Machine Learning, Radiation Oncology, Radiotherapy

Radyasyon Onkolojisinde Yapay Zeka Kullanımı ve Türkiye’deki Uzmanların Yaklaşımının Araştırılması

Abstract

Radyasyon Onkolojisi kanser tedavisinde yüksek teknolojilerin kullanıl-dığı, büyük miktarda medikal görüntü ve veri üreten bir tedavi yöntemi-dir. AMAÇ; Radyasyon Onkolojisi iş akışında kullanılan yapay zeka (YZ) tabanlı uygulamaları araştırmak ve Türkiye’deki uzmanların (Radyasyon Onkologları ve Medikal Fizik Uzmanları) bu alandaki yaklaşımları, öngö-rülerini ve beklentilerini tespit etmektir. YÖNTEM; Çalışmaya Türkiye’de radyasyon onkolojisi alanında aktif olarak çalışan ve Radyasyon Onkolog-ları (27) ile Medikal Fizik Uzmanları (24)’dan oluşan toplam 51 kişiye 10 sorudan oluşan online anket iletilerek, toplanan sonuçlar analiz edilmiştir. BULGULAR: Araştırmaya katılan ve Türkiye’ de bu konu ile ilgili çalışan uzmanların %11,76‘sı YZ hakkında hiçbir bilgiye sahip değildir ve bu grup analizlerin dışında tutulmuştur. Katılımcıların %88,98’i YZ’nın tıp alanın-da faydalı uygulamaları olduğuna katılmaktadır. Katılımcıların %46,67’si çoğunlukla bugün gerçekleştirdikleri işlerinin yerine YZ uygulamalarının kullanabileceğini düşünmemekle birlikte, %97,78 oranındaki katılımcı uyguladıkları işlemlerde YZ uygulamalarından destek alabileceğini dü-şünmektedir. YZ uygulamalarının en faydalı olabileceği alan %42,22 ile “Kişiselleştirilmiş veya Adaptif terapi uygulamaları” dır. YZ kullanımın en önemli avantajı %55.56 ile “gerçek zamanlı olarak çok miktarda, klinik olarak anlamlı veriyi işleyerek anlamlı sonuçlar elde edebilir” olarak tespit edilmiştir. YZ ile alınan kararlar ile kişilerin verdikleri kararların farklı ol-ması durumunda %57,78 katılımcı, ikincil bir uzman görüşüne başvurmayı düşünmektedir. YZ’nın yaratacağı sorunlarda %52,27 oranında katılımcı, işlemi uygulayan personelin sorumlu görülmesi gerektiğini düşünmektedir. Türkiye’de YZ uygulamalarının gelişmesindeki en büyük engelin “mev-cut insan kaynağının teknolojik gelişimlere kapalı olması” şeklinde olduğu %40’lık katılımcı tarafından düşünülmektedir.

Keywords

Yapay Zeka, Radyasyon Onkolojisi, Makine Öğrenmesi, Radyoterapi

References

• 1. Oz, S. (2020). Teknolojik ve Dijital Dönüşüm, Ed; Oz S, Nobel Akademik Yayıncılık, Ankara, Türkiye, pp; 269-292.
• 2. Ayanoğlu, F. (2020). Pandemi Sonrası Yeni Dünya Düzeninde Teknoloji Yönetimi, Ed; Oz S, Celayir D, Onursal F, Hiper Ya-yıncılık, Istanbul, Türkiye, pp; 14-41.
• 3. Mesko, B. (2017). Yapay Zekayla Tıbbi Karar Almak. B. Mes-ko içinde, Tıbbın Geleceğine Yolculuk, Optimist Yayın Grubu, İstanbul,Türkiye, pp. 174-183.
• 4. Griffits, S. (2016). This AI software can tell if you’re at risk from cancer before symptoms appear. Şubat 23, 2019 tarihinde WİRED: https://www.wired.co.uk/article/cancer-riskai-mam-mograms adresinden alındı
• 5. Alexander F.I. Osman, Radiation Oncology in the Era of Big Data and Machine Learning for Precision Medicine. DOI:10.5772/intechopen.84629
• 6. Bayer S, (2020). Yapay Zekâ ve Büyük Veri: Teknolojiler, Yak-laşımlar ve Uygulamalar, Ed; Sağıroğlu S, Demirezen U, Nobel Akademik Yayıncılık, Ankara, Türkiye, pp; 201-231.
• 7. Jarrett D., Stride E., Vallis K., Godding M., Applications and limitations of machine learning in radiation oncology. DOI:10.1259/bjr.20190001
• 8. Schreier J., Attanasi F., Laaksonen H., A Full-Image Deep Seg-menter for CT Images in Breast Cancer Radiotherapy Treat-ment. DOI: 10.3389/fonc.2019.00677
• 9. Kajikawa T., Kadoya N., Ito K., TakayamaY., ChibaT., Tomori S., Nemoto H., Dobashi S., Takeda K., Jingu K., A convolutio-nal neural network approach for IMRT dose distribution predic-tion in prostate cancer patients. DOI: 10.1093/jrr/rrz051
• 10. Isaksson M, Jalden J, Murphy MJ. On using an adaptive neural network to predict lung tumor motion during respiration for ra-diotherapy applications. DOI:10.1118/1.2134958
• 11. Donmez Turan A, (2019). Dijital Dönüşüm, Ed; Mendeş Pekde-mir I, Beta Yayıncılık, Istanbul, Türkiye, pp; 32-78.