Geliştirilmiş Ağız Hastalığı Tanısı İçin Akıllı Telefon Tabanlı Açıklamalı Ağız İçi Görüntüleri Kapsamlı Veri Kümesi

Telefonunuzun ağız kanserini tespit etmeye nasıl yardımcı olabileceği

Cebimizde taşıdığımız güçlü kameraların çoğu, ağız içindeki hastalığın erken belirtilerini aramak için nadiren kullanılıyor. Ağız kanseri ve uyarıcı lekeleri genellikle ileri aşamaya dek fark edilmez, özellikle uzman sayısının az olduğu topluluklarda. Bu çalışma, sıradan akıllı telefonlarla çekilmiş ve diş hekimleri tarafından titizlikle etiketlenmiş ağız içi fotoğraflarından oluşan SMART‑OM adlı özenle derlenmiş bir koleksiyonu tanımlıyor. Amaç, araştırmacılara yapay zekâ araçları geliştirmek için gereken ham veriyi sağlayarak kaygı verici değişiklikleri ölümcül hale gelmeden çok önce işaretleyebilmelerini mümkün kılmak.

Ağız içindeki küresel sorun

Dudak ve ağız boşluğu kanserleri dünya genelinde yılda neredeyse iki yüz bin kişinin ölümüne yol açıyor ve yüz binlerce yeni vaka görülüyor; bu yük özellikle düşük ve orta gelirli ülkelerde ağır. Tütün, alkol ve areka cevizi çiğneme riski artıran başlıca etkenler olup, erkekler ve ileri yaşlı yetişkinler özellikle etkileniyor. Erken tanı sağkalımı büyük ölçüde iyileştirir, ancak birçok bölgede uzmana ulaşmak zor ve rutin ağız muayeneleri bir diş hekiminin gözüne ve deneyimine dayanıyor. Bu, ince lekelerin veya pürüzlü alanların atlanabileceği veya farklı klinisyenlerin gördükleri konusunda anlaşamayabileceği anlamına geliyor. Ağız içini kaydetmenin ve gözden geçirmenin düşük maliyetli, yaygın bir yolu gerçek bir fark yaratabilir.

Akıllı telefonları tarama aracına dönüştürmek

SMART‑OM projesi, yalnızca iki yaygın akıllı telefon—bir Android ve bir iPhone—kullanarak gerçek dünya toplum ortamlarında ağız boşluğunun yüksek kaliteli görüntülerini yakalamayı amaçladı. Güney Hindistan’daki toplum sağlık çalışanları ve diş hekimleri evleri ve diş kampı etkinliklerini ziyaret ederek muayeneyi kabul eden yetişkinleri kaydettirdi. Her katılımcı için dil, yanaklar, dudaklar ve üst ile alt diş arklarını kapsayan sekiz standart görünüm fotoğraflandı. Çoğunlukla doğal ışık kullanmaya, kamerayı sadece birkaç santimetre uzağa konumlandırmaya ve yanakları ve dudakları nazikçe geri çekmek için ağız aynası veya tahta çubuk gibi basit araçlar kullanmaya özen gösterildi. Bulanık veya kötü aydınlatılmış çekimler tekrarlandı ve tüm veri toplama sıkı etik kurallara göre yapıldı; yüzler çerçeve dışında bırakıldı ve kişisel bilgiler tamamen anonimleştirildi.

Ham görüntülerden zengin, etiketlenmiş veriye

Toplamda ekip 331 kişiden 2.469 görüntü bir araya getirdi. Her resim dört gruptan birine yerleştirildi: tamamen sağlıklı doku; olağan görünüme zararsız varyasyonlar; kansere dönüşebilecek olası malign durumlar; ve doğrulanmış ağız kanseri. Uzman diş cerrahları basit etiketlerin ötesine geçerek açık kaynaklı bir anotasyon aracı kullanıp görüntüler üzerinde ayrıntılı sınırlar çizdi. Bazı sürümler yalnızca ana ilgi alanını işaretlerken, diğerleri görülebilir her yapıyı haritaladı ve lezyon odaklı özel sürümler şüpheli lekeleri ve büyümeleri izledi. Görüntülerin yanı sıra veri kümesi, her çizilmiş bölgenin neyi temsil ettiğini listeleyen elektronik tablo dosyaları ve her kişinin yaşı, cinsiyeti, sigara veya betel çiğneme gibi alışkanlıkları ile klinik bulgularını açıklayan ayrı tablolar içeriyor. Görseller ile bağlamın bu birleşimi, yalnızca görüntü tabanlı ve çok modlu YZ sistemlerini destekleyecek şekilde tasarlandı.

YZ modellerini teste sokmak

SMART‑OM’un ne kadar yararlı olabileceğini göstermek için araştırmacılar, başlangıçta genel görüntü tanıma için geliştirilmiş birkaç popüler derin öğrenme modelini iki görevi yerine getirmek üzere eğitti: normal ile anormal görüntüleri ayırt etmek ve dört tanısal grup arasında ayrım yapmak. Veri kümesini eğitim ve test bölümlerine ayırdılar ve ResNet, VGG, EfficientNet ve bir Vision Transformer gibi modelleri ince ayarladılar. Veriler sağlıklı görüntülerce yoğunlaşmış ve gerçek kanser ile yüksek riskli vakalar nispeten az olmasına rağmen, en iyi model olan görece kompakt bir ResNet varyantı test görüntülerinin yaklaşık dokuzda dokuzunu doğru sınıflandırdı. Özellikle sağlıklı ağızları tanımada güvenilirdi ve kategoriler arasındaki doğal dengesizlik ile görsel incelikler nedeniyle anormal olanları işaretlemede makul—ancak daha az tutarlı—performans gösterdi.

Günlük bakım için anlamı

Uzman olmayanlar için ana mesaj, SMART‑OM’un sıradan bir akıllı telefonu erken ağız kanseri taraması için bir yardımcısına dönüştürmenin temelini attığıdır. Bu büyük, özenle açıklamalı ve tamamen anonimleştirilmiş veri kümesini kamuya açarak yazarlar, şüpheli bölgeleri vurgulayabilecek, görüntü ipuçlarını yaşam tarzı risk verileriyle birleştirebilecek ve kimin daha yakından incelenmesi gerektiğine karar verilmesine yardımcı olabilecek YZ araçlarını eğitmek ve karşılaştırmak isteyen dünya çapındaki araştırmacılara ortak bir kaynak sağlıyor. Mevcut koleksiyon hâlâ görece az sayıda gerçek kanser vakası içeriyor olsa da sahada görülen durumu yakından yansıtıyor ve zamanla büyüyecek. Genişledikçe SMART‑OM, tehlikeli ağız değişiklikleri için daha doğru, erişilebilir ve uygun maliyetli taramaları desteklemeye hazır; bu da daha erken tanı sayesinde hayat kurtarabilir.

Atıf: Madan Kumar, P.D., Ranganathan, K., Lavanya, C. et al. A Smartphone-based Comprehensive Dataset of Annotated Oral Cavity Images for Enhanced Oral Disease Diagnosis. Sci Data 13, 676 (2026). https://doi.org/10.1038/s41597-026-06954-5

Anahtar kelimeler: ağız kanseri, akıllı telefon görüntüleme, tıbbi yapay zeka, ağız lezyonları, tarama veri kümesi