Katarakt şiddeti değerlendirmesi ve tanısı için ince taneli bir fundus görüntü veri kümesi

Daha net göz kontrollerinin önemi

Katarakt, özellikle yaşlı erişkinlerde, dünyada körlüğün en önde gelen nedenidir. Yine de birçok insan, görme yetileri günlük yaşamı etkileyecek kadar bozulduğunda ciddi bir sorunu olduğunu öğrenir. Bu makale, göz fotoğraflarından oluşan yeni ve titizlikle etiketlenmiş bir koleksiyon ile kataraktın ne kadar ileri olduğunu değerlendiren ve bu değerlendirmeyi sade bir dille açıklayan bir yapay zeka (YZ) çerçevesini tanıtıyor. Tek bir göz görüntüsünü mercek bulutlanması ve görsel kalite üzerine ayrıntılı bir “not kartına” dönüştürerek çalışma, erken ve doğru katarakt değerlendirmesini uzman göz kliniklerinin çok ötesine taşımayı hedefliyor.

Göz arkasına daha yakından bakış

Araştırmacılar, bulutlu merceği doğrudan fotoğraflamak yerine retinanın, yani gözün arkasındaki ışığa duyarlı tabakanın, renkli görüntüleri olan fundus fotoğraflarına odaklanıyor. Mercek bulutlandığında bu görüntüler soluklaşır ve bulanıklaşır, kan damarları silikleşir ve önemli bölgeler görünmesi güç hale gelir. Hekimler zaten bu ipuçlarını gayri resmi şekilde kullanıyor, ancak şimdiye kadar bu görüntülerdeki ince değişiklikleri ayrıntılı katarakt şiddet puanlarına ve uzman yazılı açıklamalarına bağlayan halka açık bir veri kümesi yoktu. Yeni Katarakt Şiddeti ve Tanısal Görüntü veri kümesi (CSDI) bu boşluğu dolduruyor ve YZ modellerinin uzman yargısını taklit etmek için ihtiyaç duyduğu zengin rehberliği sağlıyor.

Zengin açıklamalı bir göz görüntü koleksiyonu inşa etmek

CSDI, 2023 ile 2024 arasında Pekin’deki büyük bir göz hastanesinde muayene edilen hastalardan alınan 187 fundus görüntüsüne dayanıyor. Tüm görüntüler teknik farklılıkları en aza indirmek için aynı kamera ve ayarlarla çekildi. İki kıdemli oftalmolog önce görüntüleri tarayıp kötü pozlanmış, kısmen engellenmiş veya başka göz hastalıklarından etkilenenleri elerdi. Kalan her görüntü için genel renk ve netlik, optik disk ile yüzey damarlarının keskinliği, merkezi makula bölgesinin bulunabilirliği ve retinadaki damar dallarının ne kadarının görünür olduğu değerlendirildi. Bu gözlemler hem sayısal bir puana hem de yapılandırılmış yazılı bir tanıya dönüştürüldü.

Basit etiketlerden ayrıntılı bir katarakt “puan tablosuna”

Katarakt hakkında evet-hayır yanıtında durmak yerine ekip, ondalık bir basamağa sahip 0–10 arası bir şiddet ölçeği oluşturdu. Sıfıra yakın puanlar fundus görüntüsünde katarakt etkisinin olmadığını gösterir; orta aralık puanlar daha yakın takibi gerektirebilecek hafif ile orta dereceli bulanıklığa karşılık gelir; yüksek puanlar ise ciddi görme sorunlarına ve muhtemel cerrahi gereksinime işaret eden şiddetli görüntü bozulmasını gösterir. Tutarlı YZ eğitimi sağlamak için araştırmacılar ana fundus bölgesinin otomatik çizgilerini ve optik disk için manuel sınırları ve görünürlük bayraklarını da sundu. Her görüntü, renk değişimleri, bulanıklık ve kaybolan ayrıntıları sabit bir sırayla tanımlayan eşleşen İngilizce ve Çince tanı cümleleriyle birlikte verildi; bu, modellere uzmanların gördüklerine nasıl dayandıklarını gösteren bir şablon sağlıyor.

Dil ve görsel YZ’yi göz uzmanı gibi eğitmek

Bu veri kümesinin üzerine yazarlar, hem görüntüleri hem metni gören multimodal büyük dil modellerine dayalı yeni bir tanısal çerçeveyi test ettiler. Bu modeller bir fundus fotoğrafı ve “oftalmolog gibi davran” kısa talimatı alıyor, ardından bir şiddet değerlendirmesi ve anlatı biçiminde bir açıklama sunuyor. Ekip, hem ticari hem açık kaynak modelleri iki görevde değerlendirdi: her vakayı beş şiddet bandından birine (normalden şiddetliye) yerleştirmek ve uzman ifadeleriyle eşleşen diagnosti̇k bir açıklama üretmek. Ardından birkaç açık kaynak modeli, hastane ağları içinde çalışabilecek şekilde verimli tekniklerle ince ayar yaparak hasta verilerinin kurum içinde kalmasını sağlarken büyük ticari sistemlerin performansına erişebilen veya onu aşan sonuçlar elde ettiler.

Bu hastalar ve doktorlar için ne anlama geliyor

Günlük okuyucular için temel mesaj, tek bir göz fotoğrafının artık kaba bir “var/yok” sonucunun ötesinde katarakt etkisinin nüanslı bir resmine dönüştürülebilmesidir. CSDI veri kümesi ve kodun ücretsiz erişime açılması, dünya çapındaki araştırmacıların ve kliniklerin göz uzmanlarıyla aynı dili konuşan YZ sistemleri geliştirmesine ve karşılaştırmasına olanak tanıyor. Uzun vadede bu tür araçlar, gözü muayene eden doktor sayısının az olduğu topluluklarda uzaktan taramayı destekleyebilir, klinisyenler arasındaki görüş ayrılıklarını azaltabilir ve hastaların neden cerrahi önerildiğini ya da önerilmediğini anlamalarına yardımcı olabilir—ironik biçimde belirleyici özelliği netliğin kaybı olan bir durum hakkında daha açık içgörü sunarak.

Atıf: Xie, Z., Ao, M., Tang, H. et al. A fine-grained fundus image dataset for cataract severity assessment and diagnosis. Sci Data 13, 418 (2026). https://doi.org/10.1038/s41597-026-06684-8

Anahtar kelimeler: katarakt, fundus görüntüleme, tıbbi yapay zeka, görsel-dil modelleri, oftalmoloji veri kümesi