İnsan pankreas kesitlerinin açıklanabilir yapay zekâ tabanlı analizi tip 2 diyabet özelliklerini tanımlıyor

Bu araştırma günlük sağlık için neden önemli

Tip 2 diyabet yüz milyonlarca insanı etkiliyor, ancak doktorlar hâlâ insülini üreten organ olan pankreasta hastalığın belirgin, fiziki işaretlerini açıkça görmekte zorlanıyor. Bu çalışma, gelişmiş mikroskopi ile eşleştirilmiş güçlü yapay zekâyı kullanarak insan pankreas dokusundaki çıplak gözle görülmeyen ince desenleri okuyor. Böylece tip 2 diyabetle ilişkili yeni yapısal özellikleri ortaya çıkarıyor ve tanı, önleme ve tedavi için yeni fikirler sunuyor.

Pankreası benzeri görülmemiş ayrıntıda incelemek

Geleneksel olarak, araştırmacılar tip 2 diyabetle ilişkilendirilen skarlaşma, yağ birikimleri veya insülün üreten hücre kaybı gibi değişiklikleri araştırmak için ölü bağışçıların pankreas dokusunu incelemişlerdir. Bu çalışmalar uzun bir olası anormallikler listesi üretmiş, ancak hiçbiri patologların bir lamı mikroskopta görüp bir kişinin diyabeti olup olmadığını kesin olarak söyleyebilecek kadar güvenilir olmamıştır. Bu çalışmada araştırmacılar, 35’i tip 2 diyabetli ve 65’i diyabetsiz olmak üzere 100 canlı bağışçıdan ameliyat sırasında alınan pankreas örneklerinden oluşan benzersiz bir ultra yüksek çözünürlüklü görüntü koleksiyonu derlediler. Her örnek, adacıklardaki hormon üreten hücreleri, kan damarlarını, yağ hücrelerini ve sinir liflerini vurgulamak için çeşitli boyamalarla işlendi. İnsanın tam olarak işleyemeyeceği kadar zengin ve karmaşık bu görsel veri kümesi, yapay zekânın en iyi olduğu alanın tam merkezindedir.

Diyabetik pankreası tanıması için yapay zekâyı eğitmek

Ekip, tip 2 diyabetli ve diyabetsiz kişilerden alınan dokuyu ayırt edebilen derin öğrenme modelleri eğitti. Her tüm-lami görüntü milyarlarca piksel içerdiğinden, önce laminin pek çok küçük yama hâline bölündü. Önceden eğitilmiş bir görsel transformer her yamadan özellikler çıkardı ve özel bir "çoklu örnek öğrenme" sınıflandırıcısı daha sonra bir lamın tüm yamalarından gelen bilgileri birleştirerek lamın diyabetli veya diyabetsiz bir bağışçıya ait olup olmadığına karar verdi. Aşırı uyumu önlemek için tekrarlı çapraz doğrulama kullandılar ve ardından 15 ayrı modelin tahminlerini ortaladılar. En iyi performans, aynı anda alfa hücreleri, delta hücreleri ve sinir liflerini vurgulayan çoklu floresans görüntülerinden elde edildi; eğri altı alanı 0,956’ya ulaştı—bu, yapay zekânın patologların formüle edemediği diyabetle ilişkili desenleri güvenilir şekilde "gördüğüne" dair güçlü bir kanıt.

Siyah kutunun kendini açıklaması

Bununla birlikte amaç yalnızca tahmin değildi; yazarlar biyolojik içgörü de istediler. Bu nedenle modelin karar verirken hangi bölgelere ve piksellere dayandığını gösteren açıklanabilir yapay zekâ teknikleri uyguladılar. Dikkat haritaları tüm lamin üzerinde en etkili alanları vurgularken, atıf yöntemleri tek tek hücreler ve yapılar düzeyine kadar yakınlaştırdı. Bu renkli ısı haritalarını sayılara dönüştürmek için ekip, adacıkları, yağ hücresi kümelerini ve bağ dokusu (fibrotik) dokuyu otomatik olarak çevreleyebilecek ayrı segmentasyon ağları eğitti. Ardından adacık boyutu, toplam yağ alanı, yağ kümelerinin sayısı, adacıklarla yakınlardaki yağ arasındaki mesafe ve fibrotik doku miktarı gibi özellikleri nicelendirip bu "histolojik biyobelirteçlerin" diyabet durumu ve insülün sekresyonuyla nasıl ilişkili olduğunu yaş, cinsiyet, vücut kitle indeksi ve diğer klinik faktörleri dikkate alarak analiz ettiler.

Yeni ipuçları: yağ, sinirler, skarlaşma ve küçülen adacıklar

Yapay zekâ tabanlı analiz, diyabetik pankreasta birkaç tutarlı özellik ortaya çıkardı. Tip 2 diyabetli kişiler genellikle daha küçük adacıklara ve pankreasta daha büyük yağ hücresi kümelerine sahipti. Önemli olarak, diyabetik bağışçıların adacıkları bu yağ birikimlerine daha yakın konumlanmıştı; bu da yağ dokusunun hormon üreten hücreler üzerinde daha doğrudan yerel bir etkisi olabileceğini düşündürüyor. Bağ dokusu, yani yara benzeri skar dokusu miktarı da diyabette daha yüksekti ve daha zayıf insülün salgılanmasıyla ilişkilendirildi. Aynı zamanda yapay zekâ modelleri, özellikle bu lifler adacıklardan geçerken veya adacıkların yakınındayken, tubulin beta 3 ile boyanmış yapılara şaşırtıcı derecede güçlü vurgu yaptı. Bu, adacık hücreleri ile sinirlerin arayüzlenme biçimini—pankreatik innervasyondaki değişiklikleri—tip 2 diyabete potansiyel olarak önemli ve yeterince takdir edilmemiş bir katkı olarak işaret ediyor. Birlikte ele alındığında bu bulgular sadece beta hücrelerinin kendisinin değil, aynı zamanda onların çevresinin de önemli olduğunu; yakınlardaki yağ hücreleri, skar dokusu, kan damarları ve sinirlerin adacık sağlığını şekillendirdiğini öne sürüyor.

Gelecekteki bakım için anlamı

Uzman olmayanlar için ana mesaj şudur: tip 2 diyabet pankreas mimarisinde ince ama tespit edilebilir bir iz bırakır. Yüksek çözünürlüklü görüntüleme ile açıklanabilir yapay zekâyı birleştirerek bu çalışma bu desenleri adacık boyutu, yağ dağılımı, sinir varlığı ve fibrozis gibi ölçülebilir özelliklere çeviriyor; bu özellikler diyabetle ve vücudun hâlâ ne kadar insülün üretebildiğiyle ilişki gösteriyor. Bu yaklaşım henüz rutin bakımda kullanılan bir tanı aracı olmasa da yeni ilaç hedefleri keşfetmek ve diyabetin gelişimini daha iyi anlamak için güçlü bir yol haritası sunuyor. Uzun vadede, böyle yapay zekâ rehberli doku analizlerinden elde edilen içgörüler, doktorların kimin risk altında olduğunu daha iyi tahmin etmesine, hastalık ilerlemesini izlemesine ve yalnızca beta hücrelerini değil, aynı zamanda çevreleyen pankreas ortamını da koruyan tedaviler tasarlamasına yardımcı olabilir.

Atıf: Klein, L., Ziegler, S., Gerst, F. et al. Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes. Nat Commun 17, 1558 (2026). https://doi.org/10.1038/s41467-026-69295-2

Anahtar kelimeler: tip 2 diyabet, pankreas, yapay zekâ, histopatoloji, biyobelirteçler