OCT ve fundus görüntülemeyle biyolojik yaş tahmini ve sistemik sağlık değerlendirmesi için multimodal retinal yaş saati

Gözler Neden Göründüğünden Fazlasını Açığa Çıkarabilir

Gözün arkasındaki küçük kan damarları ve sinir lifleri, doktorların canlı dokuyu doğrudan görebildiği vücudun birkaç bölgesinden biridir. Bu çalışma kışkırtıcı bir soruyu gündeme getiriyor: rutin göz taramaları, vücudun gerçekten ne kadar “yaşlı” olduğunu—biyolojik yaşını—ortaya koyabilir ve bir kişinin genel hastalık yükü ile ölüm riskine doğum günündeki mum sayısından daha doğru şekilde işaret edebilir mi?

Sadece Doğum Günleri Değil, Biyolojik Yaşı Görmek

Kronolojik yaş, sadece ne kadar yaşadığımızı gösterir. Biyolojik yaş ise organlarımızın ve dokularımızın ne ölçüde aşındığını veya korunduğunu yansıtır. Aynı yaşta iki kişinin sağlık görünümü, vücudun ne kadar hızlı yaşlandığına bağlı olarak çok farklı olabilir. Geleneksel biyolojik saatler, DNA veya proteinleri ölçen kan testlerine dayanır; bunlar maliyetli ve invaziv olabilir. Yazarlar daha basit bir alternatif araştırdılar: iki yaygın göz görüntüleme testi—ultra geniş alan fundus fotoğrafları ve optik koherens tomografi (OCT)—ile yapay zekâyı (YZ) birleştirerek retinadan, vücudun damar, sinir ve metabolik sağlığına açılan pencereden biyolojik yaş tahmin etmek.

Retinadaki Yaşı Okuması İçin Bir YZ Eğitmek

Araştırma ekibi, 2.467 hastadan alınan 12.000’den fazla fundus görüntüsü ve 7.700 civarı OCT taraması üzerinde derin öğrenme modeli eğitti. İlk deneyde YZ “yaş saati” yalnızca büyük yapısal hastalığı olmayan gözler üzerinde eğitildi ve sonra hem sağlıklı hem de hastalıklı gözlerde test edildi. İkinci deneyde model, retinayı deforme eden dört yaygın durumu—yaşa bağlı makula dejenerasyonu, diyabetik retinopati, epiretinal membran ve patolojik veya yüksek miyopi—içeren daha geniş bir göz karışımı üzerinde yeniden eğitildi. Bu ikinci turda YZ’ye ayrıca her gözün hastalık etiketi de verildi. Her iki düzenekte de modelin amacı görüntülerden yaş tahmin etmekti; araştırmacılar sonra bu tahmin edilen yaşı biyolojik yaş olarak ele aldı ve bunun genel hastalığı ne kadar iyi izlediğini sorguladılar.

Göz Yaşı ile Bütün Vücut Hastalık Yükü Arasındaki İlişki

Retinal yaşı genel sağlıkla ilişkilendirmek için yazarlar, bir kişinin ciddi kronik hastalıklarını toplayan ve bir yıllık ölüm riskini tahmin eden yaygın bir skor olan Charlson Komorbidite İndeksi (CCI) kullandılar. Kronolojik yaş ile YZ kaynaklı biyolojik yaşın CCI ile ne kadar iyi korelasyon gösterdiğini karşılaştırdılar ve hangi yaş ölçümünün CCI’yi daha iyi tahmin ettiğini görmek için basit istatistiksel modeller kurdular. Her iki deneyde de retina görüntülerinden elde edilen biyolojik yaş genelde kronolojik yaştan daha güçlü biçimde komorbidite yükünü yakaladı; bu özellikle yapısal hastalığı olan gözlerde belirgindi. Hastalık etiketleri ikinci çalışmaya eklendiğinde modelin doğruluğu önemli ölçüde arttı: test setindeki ortalama yaş hatası yaklaşık altı yıla düştü ve biyolojik yaş hâlâ genel hastalığı yansıtma konusunda doğum yaşından daha başarılı olma eğilimindeydi; bu özellikle retinaları görünür şekilde anormal olan hastalarda geçerliydi.

YZ Gerçekte Gözde Neye Bakar

YZ’nin “düşünce süreci”ne göz atmak için araştırmacılar, modelin tahminlerinde en çok etkili olan görüntü bölgelerini gösteren ısı haritaları ürettiler. Model merkezdeki makulaya takılmak yerine tutarlı şekilde optik sinir başına, çevresindeki sinir lifi katmanına ve koroid gibi daha derin vasküler katmanlara odaklandı. Bunlar yaşla incelen ve sertleşen, basınç ve kan akımı değişikliklerine duyarlı olduğu bilinen yapılardır. Modelin dikkat desenleri çok farklı göz hastalıkları arasında benzerdi; bu, modelin basitçe hastalık kategorilerini ezberlemek yerine yaşlanmanın başlıca anatomik göstergelerini öğrenmiş olduğunu düşündürüyor. İlginç şekilde, eğitimde hastalıklı görüntüler de yer aldığında model makula alanlarına biraz daha fazla dikkat etmeye başladı; bu da hastalığa özgü eğitimin bu desenleri daha iyi tanımasına yardımcı olduğunu işaret ediyor.

Sınırlar, Uyarılar ve Gelecek Olanakları

Çalışmanın sınırlamaları var. Tüm veriler tek bir akademik tıp merkezinden geldi ve birçok hastanın düşük CCI puanına sahip olması güçlü istatistiksel bağlantıları tespit etme yeteneğini azaltıyor. CCI kendisi de modern kronik hastalık desenlerini tam olarak yakalayamayabilecek daha eski bir araçtır. Bazı korelasyonlar, özellikle makula dejenerasyonunda, zayıf veya tutarsız bulundu. Yine de devasa nüfus biobanklarına kıyasla sınırlı bir örneklem büyüklüğüne rağmen model rekabetçi yaş tahmin doğruluğu sağladı ve en önemlisi, retinal biyolojik yaşı doğrulanmış bir bütün vücut hastalık yükü ölçütüyle ilişkilendirdi.

Hastalar ve Klinikler İçin Anlamı

Bir halk okuyucusu için ana mesaj şudur: rutin göz taramaları bir gün yalnızca gözlük reçetesi veya göz hastalığını kontrol etmenin ötesinde çok daha fazlasını yapabilir. Retinanın sinirlerindeki ve kan damarlarındaki ince değişiklikleri okuyarak YZ, vücudun gerçekte ne kadar “yaşlı” olduğunu tahmin edebilir ve dokuları takvim yaşından daha hızlı yaşlanan kişileri işaretleyebilir. Bu retinal yaş saati henüz yatak başı bir araç değil, ama hızlı, noninvaziv bir göz muayenesinin gizli sağlık risklerinin erken uyarısına katkıda bulunabileceği bir geleceğe işaret ediyor; böylece ciddi hastalık belirgin hale gelmeden çok önce önleyici bakım yol gösterilebilir.

Atıf: Ludwig, C.A., Salvi, A., Mesfin, Y. et al. A multimodal retinal aging clock for biological age prediction and systemic health assessment via OCT and fundus imaging. Sci Rep 16, 6465 (2026). https://doi.org/10.1038/s41598-026-36518-x

Anahtar kelimeler: retina görüntüleme, biyolojik yaş, yapay zeka, sistemik sağlık, göz hastalığı