Çok modlu MRI görüntüleri ve konvolüsyonel sinir ağlarıyla neonatal akut bilirubin ensefalopatisinin bilgisayar destekli tanısı

Yeni doğanlar ve aileleri için bunun önemi

Sarılık, yenidoğanlarda yaygındır ve genellikle zararsızdır; ancak bazı bebeklerde bilirubin adlı sarı bir pigmentin birikmesi sessizce beyne zarar verebilir. Doktorlar, yalnızca taramalar ve kan testlerine bakarak hangi sarılıklı bebeklerin gerçekten tehlikede olduğunu belirlemekte zorlanıyor. Bu çalışma, akıllı bilgisayar araçlarının beyin taramalarını insan gözünden daha hassas okutup okumadığını araştırıyor; amaç, gereksiz alarm ve tedaviden kaçınırken bebekleri kalıcı sakatlıktan korumaya yardımcı olmak.

Yeni doğan sarılığının ardındaki gizli tehlike

Çoğu bebek, olgunlaşmamış karaciğerleri kandaki bilirubini temizlemeyi öğrenirken belirli bir düzeyde sarılık geliştirir. Bilirubin seviyesi çok yükseldiğinde, pigment beyne nüfuz ederek hassas derin yapıları etkileyebilir ve tedavi edilmediğinde uzun vadeli hareket, işitme ve öğrenme sorunlarına yol açabilen akut bilirubin ensefalopatisi adı verilen durumu tetikleyebilir. Sorun şu ki, erken beyin hasarı hafif ve geri dönüşlü olabilir ve mevcut başucu skorları ile laboratuvar testleri kusursuz değildir. Manyetik rezonans görüntüleme (MR) yenidoğan beynine invaziv olmayan bir pencere sunar, ancak uzmanlar bile standart görüntülerde etkilenen ve etkilenmeyen bebeklerin şaşırtıcı derecede benzer görünebildiğini sıkça görürler.

Beyne birden fazla gözle bakmak

Bu bebekler için geleneksel MRI çoğunlukla, bilirubin tarafından zarar görmüş olduğunda globus pallidus adı verilen, hareketle ilişkili küçük, derin bölgenin olağandışı parlak görünebildiği T1-ağırlıklı görüntüleme türüne odaklanır. Daha önceki çalışmalar, yalnızca bu görüntüleri okumak—basit bilgisayar ölçümleri veya önceki derin öğrenme modelleriyle bile—hatalar için çok yer bıraktığını göstermişti. Yazarlar, T2-ağırlıklı görüntüler ve beyindeki suyun hareketini izleyen difüzyon tabanlı haritalar gibi diğer MRI “türlerinin” ek ipuçları barındırabileceğini düşündüler. Doktorların belirli bölgeleri elle ölçmesini istemek yerine, bu üç görüntü türünün tüm zenginliğini modern görüntü tanıma algoritmalarına beslemeyi hedeflediler.

Bilgisayarlara erken beyin hasarını öğretmek

Araştırma ekibi, yüksek bilirubin düzeyine sahip 150 yenidoğanın beyin taramalarını topladı: yarısında akut beyin tutulumu belirtileri vardı, yarısında yoktu. Her bebek için üç MRI serisi elde edildi—T1, T2 ve görünür difüzyon katsayısı (ADC) adı verilen bir difüzyon tabanlı harita. Önce görüntüler dikkatlice hizalandı ve yalnızca beyin kalacak şekilde kırpıldı, ardından standart görüntü analiz yazılımlarıyla işlenebilmeleri için yeniden boyutlandırıldı ve parlaklık normalleştirildi. Bilim insanları iki geniş strateji denedi. Biri, savunmasız bir derin yapı (globus pallidus) ile yakın beyaz madde arasındaki basit elle hesaplanan parlaklık oranlarını kullanan klasik bir makine öğrenmesi yöntemi olan destek vektör makinelerine dayanıyordu. Diğeri ise, ham görüntülerden doğrudan kendi görsel özelliklerini öğrenen InceptionV3 ve EfficientNetB0 gibi güçlü derin öğrenme modellerini kullandı.

Taramaları karışık kullanmak en net resmi veriyor

Ekip yöntemleri karşılaştırdığında, basit elle ölçülen yaklaşım birden çok tarama türü birleştirildiğinde bir miktar iyileşti, ancak en iyi performansı klinik karar verme için yeterince tatmin edici düzeyin altında kaldı. Buna karşılık, derin öğrenme modelleri daha fazla MRI türü birleştirildikçe dramatik şekilde iyileşti. T1, T2 ve ADC görüntülerini bir fotoğraftaki üç renk kanalı gibi üst üste koyarak en iyi performans gösteren ağ (InceptionV3), etkilenen ile etkilenmeyen bebekleri vakaların %96’sından fazlasında doğru şekilde ayırt etti ve genel ayırt edici gücün neredeyse kusursuz bir ölçüsünü sağladı. Ağın hangi bölgeleri temel aldığını gösteren görsel haritalar, bilgisayarın globus pallidus, subtalamik çekirdekler ve hipokampus gibi insan uzmanların bilirubin zararına en duyarlı gördüğü aynı derin beyin alanlarına odaklandığını gösterdi; bu da bilgisayarın rastgele tuhaflıklardan ziyade klinik açıdan anlamlı desenler öğrendiğini düşündürüyor.

Araştırma aracından yatak başı yardımcısına

Çalışma, dikkatle eğitilmiş bir bilgisayar destekli tanı sisteminin tek bir tarama yerine birkaç tamamlayıcı MRI türüyle beslendiğinde yenidoğanlarda erken bilirubin ilişkili beyin hasarını etkileyici bir doğrulukla işaretleyebileceği sonucuna varıyor. Çalışma tek bir hastanede yapılmış olması ve aşırı uyum (overfitting) ile daha büyük, daha çeşitli bebek grupları üzerinde test edilme ihtiyacı gibi engellerle karşı karşıya olması bir yana, bu bulgu ileri düzey görüntü okuma algoritmalarının pediatristler ve radyologlar için ikinci bir çift göz görevi görebileceği bir geleceğe işaret ediyor. Bilinçli şekilde kullanıldığında, bu tür araçlar hangi sarılıklı bebeklerin acilen tedaviye ihtiyacı olduğunu belirlemeye yardımcı olabileceği gibi, bir bebeğin beyninin muhtemelen güvende olduğunu ailelere güvence vermekte de önemli rol oynayabilir.

Atıf: Wu, M., Liu, Q. Computer-aided diagnosis of neonatal acute bilirubin encephalopathy with multi-modal MRI images and convolutional neural networks. Sci Rep 16, 9611 (2026). https://doi.org/10.1038/s41598-025-33337-4

Anahtar kelimeler: yenidoğan sarılığı, bilirubin ensefalopatisi, beyin MRI, derin öğrenme, bilgisayar destekli tanı