Araştırmacılar makine öğrenimi kullanarak 185 ülkenin kanser sonuçlarını inceledi ve ülke ülke hangi sağlık sistemi faktörlerinin hayatta kalmayı en çok etkilediğini ortaya koydu. Model, radyoterapi erişimi, evrensel sağlık kapsamı ve ekonomik güç gibi etkenlerin birçok ülkede belirleyici olduğunu gösteriyor.
Yeni çalışma, makine öğrenimini küresel kanser verilerini politika için kullanılabilir içgörülere dönüştürmekte kullanıyor. Araştırmacılar GLOBOCAN 2022 ve uluslararası sağlık veritabanlarıyla 185 ülkeyi değerlendiren bir model geliştirdi; amaç, hangi sağlık sistemi yatırımlarının o ülkenin kanser mortalitesini en çok düşürebileceğini ülke bazında göstermekti.
Model, kanser bakımının etkinliğini ölçmek için mortalite-oranı/insidens (MIR) benzeri göstergeler kullandı ve her değişkenin modele katkısını açıklamak için SHAP adı verilen bir yöntemle hangi faktörlerin tahminlerde en belirleyici olduğunu tespit etti. Çalışmada sıkça öne çıkan etkenler arasında radyoterapiye erişim, evrensel sağlık kapsamı (UHC) ve kişi başına düşen GDP gibi yapılar yer aldı, ancak ülkelere göre en etkili sürücülerin farklılık gösterdiği vurgulandı.
Araştırma ekibi—aralarında Dr. Edward Christopher Dee ve ilk yazar M.S. Patel’in de bulunduğu—aynı zamanda kullanıcıların bir ülke seçerek hangi alanlara öncelik verilirse en büyük kazanımın sağlanabileceğini görebilecekleri çevrimiçi bir araç sundu. Ancak yazarlar ulusal düzey verilerin hasta düzeyindeki farklılıkları gizleyebileceği, veri kalitesinin ülkeler arasında değiştiği ve ilişkilerin nedensellik kanıtı anlamına gelmediği gibi sınırlamaları açıkça belirtiyorlar.
Sonuç olarak, çalışma politika yapıcılar için ülkeye özgü önceliklendirme sağlayan uygulamalı bir yol haritası sunuyor. Bulgular, sınırlı kaynaklarla en fazla etkiyi yaratacak sağlık sistemi yatırımlarını hedeflemeye yardımcı olabilir, ancak yerel bağlam ve veri kalitesi göz önünde bulundurulmadan doğrudan müdahale önerilmemesi gerektiği vurgulanıyor.
Kaynaklar ve Bağlantılar:
- ScienceDaily: AI maps the hidden forces shaping cancer survival worldwide — https://www.sciencedaily.com/releases/2026/01/260117053526.htm
- Journal article: M.S. Patel et al., “Machine learning reveals country-specific drivers of global cancer outcomes”, Annals of Oncology, DOI: 10.1016/j.annonc.2025.11.014
- Veri kaynakları: GLOBOCAN 2022 (Global Cancer Observatory), Dünya Sağlık Örgütü (WHO), Dünya Bankası, Directory of Radiotherapy Centres
- Araştırma sunumu / kaynak bildirimi: European Society for Medical Oncology (kaynak materyali sağlandı)
