Laparoskopik donör nefrektomi sırasında cerrahi anatomiyi tanımlamak için yapay zekadan yararlanma – doğrulama ve uygulanabilirlik çalışması

Yüksek Riskli Bir Bağış İçin Daha Akıllı Teknoloji

Laparoskopik donör nefrektomi, sağlıklı bir kişinin böbrek bağışında bulunduğu durumda uygulanan minimal invaziv operasyondur—cerrahi hata kabul edilmesi özellikle zor olan özverili bir eylem. Bu çalışma, yapay zekânın (YZ) cerrahların bu hassas prosedür sırasında hayati yapıları daha net görmesine nasıl yardımcı olabileceğini araştırıyor; amaç donörler için riski azaltmak ve geleceğin cerrahlarının eğitimini iyileştirmek.

Neden Donör Böbrek Cerrahisi Ek Özen Gerektirir

Yaşayan böbrek bağışçıları genellikle tamamen sağlıklı kişiler olup ameliyatı yalnızca bir başkasına yardım etmek için seçerler. Laparoskopik teknikler bağışı zaten daha güvenli hale getirip iyileşmeyi hızlandırmış olsa da, operasyon hâlâ atar damarlar, toplardamarlar ve hasar görmemesi gereken üreter etrafında dar bir alanda çalışma gerektirir. Cerrahlar şu anda bu yapıları bir video ekranında tanımak için kendi gözlerine ve deneyimlerine güvenirler. Gerçek zamanlı olarak ana anatomiyi güvenilir şekilde işaretleyebilen bir YZ “yardımcısı”, özellikle daha az deneyimli cerrahlar veya zor vakalarda kaymaları önlemeye yardımcı olabilir.

Bilgisayara Vücudun İçini Görmeyi Öğretmek

Araştırma ekibi, sol böbrek bağışı ameliyatı sırasında önemli yapıları tanıyabilen bir bilgisayarlı görme sistemi geliştirmek üzere bir medikal teknoloji şirketiyle ortaklık kurdu. 30 operasyonun video kayıtlarını topladılar ve çevre yağ dokusunun temizlendiği, böbrek, dalak, ana kan damarları ve üreterin görünür olduğu anlara odaklandılar. Bunlardan binlerce tek kare görüntü çıkardılar. Her görüntü, bir anatomist tarafından pikselle pikselle dikkatle etiketlendi ve ardından deneyimli bir transplant cerrahı tarafından çift kontrol yapıldı. Bu açıklamalı görüntüler YZ’yi eğitmek için “cevap anahtarları” olarak kullanıldı. Sistem, başlangıçta görüntülerde nesneleri hızlı tespit etmek için tasarlanmış modern bir derin öğrenme modeline dayanarak kuruldu ve sonra her cerrahi karede bireysel organları ve damarları çevreleyecek şekilde uyarlandı.

Sistemin Nasıl Eğitildiği ve Test Edildiği

Araştırmacılar, YZ’yi öğretmek için 16 ameliyattan 6.828 etiketli görüntü kullandılar ve öğrenmenin ne kadar iyi olduğunu sınamak için farklı dört ameliyattan alınan 1.757 görüntüyü ayırdılar. En kritik yapılara—renal arter, renal ven ve üreter—bilerek ekstra ağırlık verdiler, böylece model bunlara özel önem gösterirdi. Eğitim sırasında program tahminlerini uzman etiketlerle tekrar tekrar karşılaştırdı ve hataları azaltmak için kendini ayarladı. Temel soru şuydu: YZ yeni bir görüntü gösterildiğinde dalak, böbrek, ana damarlar ve üreteri doğru şekilde vurgulayabiliyor mu; bunları kaçırmadan veya bir yapıyı diğerine karıştırmadan ayırt edebiliyor mu?

YZ Yardımcısının Performansı Nasıl Oldu

Test edildiğinde YZ sistemi teşvik edici doğruluk gösterdi. Özellikle dalak ve böbreğe kan sağlayan ana damarları tespit etmede güçlüydü. Sol böbrek, renal arter ve renal ven için sistem, arka plan dokusunu yanlış etiketlemekle bu yapıların görülmesini kaçırmamak arasında iyi bir dengeye ulaştı. Bu sonuçlar cerrahide gerçek zamanlı tespit için yaygın olarak kabul edilen eşiklerle uyumluydu. Üreter—böbrekten idrarı boşaltan ince bir tüp—tespit edilmesi daha zor çıktı; muhtemelen dar, hareketli ve çevre dokularla benzer renkte olmasından ve eğitim görüntülerinde daha az temsil edilmesinden kaynaklanıyor. Statik testlerin ötesinde ekip, sistemi ameliyathanede canlı olarak ve farklı bir ülkedeki başka bir hastanenin videolarında da denedi. YZ hâlâ ana anatomiyi tanımladı ve hatta çift arter gibi sıra dışı bir paterni saptadı; bu da sistemin orijinal eğitim merkezinin ötesinde genelleme yapabileceğini düşündürüyor.

Bu Cerrahlar ve Hastalar İçin Ne Anlama Gelebilir

Sistem henüz tam bir gerçek zamanlı navigasyon aracı olarak hizmet vermeye hazır olmasa da bu çalışma önemli bir ilk adımı işaret ediyor. Kritik anatomiyi güvenilir şekilde çevreleyebilme yeteneği birkaç uygulamanın kapısını açıyor: ameliyatın zorlu bölümlerinde ekranda rehberlik, eğitim videolarının otomatik etiketlenmesi ve cerrahi performansın daha nesnel yollarla değerlendirilmesi. Gelecekteki iyileştirmeler, birden fazla hastaneden daha çeşitli veriler, üreter gibi zor yapıların daha iyi ele alınması ve YZ’nin kare kare ne kadar hızlı ve tutarlı çalıştığının resmi ölçümlerini gerektirecek. Yine de, uzman olmayanlar için ana mesaj açık: YZ şimdiden eğitimli bir cerrahın gördüğünün büyük kısmını “görebiliyor” ve daha fazla geliştirmeyle bu tür sistemler böbrek bağışının daha da güvenli hale gelmesini sağlayabilir.

Atıf: Ong, C.S.H., Wong, H.P.N., Leung, M. et al. Utilising artificial intelligence to identify surgical anatomy during laparoscopic donor nephrectomy – a validation and feasibility study. Sci Rep 16, 7416 (2026). https://doi.org/10.1038/s41598-026-35999-0

Anahtar kelimeler: böbrek bağışı, laparoskopik cerrahi, cerrahi yapay zeka, tıpta bilgisayarlı görme, organ nakli güvenliği