Cihaz üreticilerinin broşürlerinde ve kongre panellerinde "Yapay Zeka sayesinde %50 ila %80 doz düşüşü" gibi devasa iddialar sıkça karşımıza çıkıyor.
Ancak 2026 yılı itibarıyla Radiology, European Radiology ve Journal of Radiological Protection gibi saygın dergilerde yayımlanan çok merkezli bağımsız çalışmalar, meselenin reklam panolarındaki kadar basit olmadığını gösteriyor.1, 2, 3
1. Pazarlama Sloganları vs. Hakemli Gerçekler
Laboratuvar ortamında, mükemmel kontrastlı bir fantom üzerinde dozu %70 düşürüp yapay zekayla gürültüyü silmek kolaydır. Ancak bir hastanın karaciğerindeki 5 mm'lik hipodens metastazı veya akciğerindeki buzlu cam nodülünü ararken dozu kontrolsüzce kısmak, ölümcül tanı atlamalarına yol açabilir.3
Bağımsız derlemeler, yapay zekanın rekonstrüksiyon tarafında (DLR) tanısal kaliteyi bozmadan sağladığı gerçek ve güvenli doz tasarrufunun ortalama %20 civarında olduğunu ortaya koyuyor.2
2. En Büyük Sürpriz Kazanç: 3D Kamera ve İzo-Merkezleme
Yapay zekanın 2026'daki en parlak ve risksiz doz başarısı, pikselleri işleyen algoritmalardan değil; gantry tavanına takılan 3D yapay zeka kameralarından geldi.1
- Masa Yüksekliği Hatası (Off-Centering): Klinik pratikte teknikerler yoğun iş temposunda hastanın masasını her zaman tam gantry merkezine (isocenter) getiremez. Hasta merkezin sadece 3–4 cm yukarısında veya aşağısında kaldığında, tüpün önündeki bow-tie (papyon) filtresi dengesiz çalışır ve AEC sistemi hastayı olduğundan daha kalın algılar.1
- Sonuç: Yanlış merkezleme hastanın gereksiz yere %15 ila %30 fazla radyasyon almasına neden olur.
- AI Çözümü: 3D optik kameralar hastanın vücut konturunu milisaniyeler içinde tarar, hastanın anatomik kütle merkezini hesaplar ve masayı otomatik olarak tam izomerkeze hizalar. Radiology 2026 randomize çok merkezli çalışması, yalnızca bu özelliğin tek başına rutin dozu %18 düşürdüğünü ve yüzey dozu artefaktlarını ortadan kaldırdığını bildirdi.1
3. Derin Öğrenme Rekonstrüksiyonu (DLR) ve 'Plastik Gürültü' Tuzağı
Derin Öğrenme Rekonstrüksiyonu (GE TrueFidelity, Canon AiCE, Siemens Deep Resolve), geleneksel iteratif algoritmalara göre gürültüyü çok daha başarılı baskılar.2 Ancak medikal fizik açısından kritik bir tuzak barındırır:
- Düşük Kontrast Çözünürlüğü Kaybı: Kemik ve akciğer gibi yüksek kontrastlı yapılar DLR ile harika görünür. Ancak karaciğer parankimi gibi düşük kontrastlı dokularda yapay zeka gücü "High (Yüksek)" seviyeye getirildiğinde, sinir ağı küçük lezyonları gürültü lekesi zannederek zeminle birleştirebilir.3
- Plastikleşme / Mum Dokusu: İteratif rekonstrüksiyonun "plastikleşme" artefaktı, DLR'de aşırı doz kısıldığında farklı bir yapay doku olarak geri döner.2
4. Sanal Monoenerji (VMI) ve İki Enerjili BT
İki enerjili veya foton sayan BT sistemlerinde yapay zeka, spektral verileri işleyerek 40–50 keV seviyesinde Sanal Monoenerjetik Görüntüler (VMI) üretir. Bu durum, damar içindeki iyot kontrastını yapay olarak katlarken hastaya ek doz verilmesini veya ek kontrast enjeksiyonunu önler.2
5. Klinik Ekipler İçin AI Doz Kontrol Listesi
- Önce Merkezlemeyi Düzeltin: AI destekli kamera konumlandırmayı mutlaka aktif edin; bu sıfır tanısal riskle doğrudan %15–20 doz tasarrufu sağlar.1
- DLR Gücünü Aşırıya Kaçırmayın: Karaciğer ve pankreas gibi düşük kontrastlı onkoloji çekimlerinde DLR gücünü "Medium" seviyede tutun; dozu fantom doğrulaması yapmadan %50 kısmayın.3
- Otomatik Kolimasyon: AI tabanlı anatomik sınır belirleme araçlarını kullanarak akciğer ve abdomen çekimlerinde fazladan taranan 5–10 cm'lik gereksiz ışınlama alanlarını kesin.2
Kaynaklar
- Radiology. AI-Driven Automated Patient Positioning in CT: A Multicenter Randomized Trial on Radiation Dose and Off-Centering Artifacts. Radiology 2026; 318(2):e251892.
- Journal of Radiological Protection. Artificial intelligence for radiation dose reduction in computed tomography: a narrative synthesis of clinical evidence from 2020 to 2025. J Radiol Prot 2026; 46(1):ae475a.
- European Radiology. Task-based low-contrast lesion detectability in ultra-low-dose abdominal CT using deep learning reconstruction algorithms. Eur Radiol 2026; 36:2140–2151.
- İlişkili DoseSave yazıları: FBP, İteratif ve DLR · DLR Literatür Yorumu · AEC ve Hasta Merkezleme
Sıkça Sorulan SorularFrequently Asked QuestionsHäufig gestellte FragenPreguntas frecuentes
Yapay zeka BT çekiminde radyasyon dozunu nasıl düşürür?
Yapay zeka temelde 3 noktada dozu azaltır: 1) 3D tavan kameralarıyla hastayı gantry merkezine (izomerkez) milimetrik yerleştirerek filtre uyumsuzluğunu önler (%15-20 kazanç), 2) Düşük dozlu gürültülü ham verileri derin sinir ağlarıyla (DLR) temizleyerek mAs ihtiyacını düşürür (%20 kazanç), 3) Tarama sınırlarını otomatik belirleyerek gereksiz anatomik ışınlamayı önler.
DLR (Derin Öğrenme Rekonstrüksiyonu) kullanırken en büyük tuzak nedir?
En büyük tuzak, yapay zekanın aşırı yüksek gürültü azaltma gücüne güvenerek tüp dozunu aşırı kısmaktır. Doz çok düşürüldüğünde görüntü gözle bakıldığında çok pürüzsüz ve temiz görünse de, düşük kontrastlı karaciğer metastazları veya ince fissürler yapay zeka tarafından 'gürültü' sanılarak silinebilir (plastikleşme etkisi).