Erken diyabetik keratopatide korneal sinir yapı anormalliklerinin Yapay Zeka destekli tespiti: derin öğrenme çerçevesinin geliştirilmesi ve doğrulanması

Diyabette küçük göz sinirlerinin önemi

Diyabetin ayak ve bacaklardaki büyük sinirlere zarar verdiği, bunun ağrı, uyuşma ve hatta ampütasyonlara yol açabildiği iyi bilinmektedir. Ancak bu hasar belirginleşmeden çok önce, vücuttaki en küçük sinirler işlev bozukluğu göstermeye başlayabilir. Gözün önündeki saydam pencere—kornea—bu küçük liflerle doludur. Bu çalışma, gelişmiş görüntüleme ve yapay zekânın (YZ) birlikte korneadaki erken sinir hasarını tespit edebileceğini gösteriyor; bu da diyabetli kişilerde sinir sorunlarını şiddetlenmeden önce ağrısız bir şekilde saptamaya yönelik yeni bir yöntem sunabilir.

Göz yoluyla erken sinir hasarını görmek

Günümüzün diyabetik sinir hasarı testleri kusursuz değildir. Basit başucu kontrolleri doktorun becerisine ve hastanın yanıtlarına bağlıdır ve sıklıkla ince, erken değişiklikleri kaçırır. Sinir ileti çalışmaları veya deri biyopsileri gibi daha kesin testler invaziv, maliyetli ve rutin tarama için pratik değildir. Ancak kornea, in vivo konfokal mikroskopi ile invaziv olmayan şekilde incelenebilir; bu özel kamera korneal sinirlerin yüksek büyütmeli görüntülerini yakalar. Araştırmacılar, bu sinirlerin genel kaybının diyabetik sinir hastalığının şiddetiyle ilişkili olduğunu zaten göstermişlerdir. Fakat en erken uyarı işaretleri her zaman sinir sayısıyla ilgili olmayabilir; sağlam görünen lifler üzerinde küçük yapısal kusurlar şeklinde ortaya çıkabilirler.

Mikroneuromlar adı verilen küçük odaklara odaklanmak

Sonuç yıllarda, güçlü mikroskop kullanan doktorlar diyabetli kişilerde korneal sinirler boyunca küçük, parlak, şişkin noktalar fark ettiler. Bu “mikroneuromlar”ın stres altındaki veya yeniden büyüyen sinir uçlarını yansıttığı ve geniş sinir kaybı oluşmadan önce ortaya çıkabileceği düşünülüyor. Bu çalışmanın ekibi, bir bilgisayara bu ince özellikleri otomatik olarak tanımayı öğretmeyi amaçladı. Çin’deki iki göz merkezinden diyabetli ve sağlıklı gönüllülerden 5.000’den fazla korneal görüntü topladılar. Deneyimli kornea uzmanları düşük kaliteli görüntüleri titizlikle elerken, mikroneuromların bulunduğu yerleri etiketledi ve bunları üç görülebilir desene göre sınıflandırdı: lokalize şişlikler, daha büyük ampul benzeri genişlemeler ve daha yaygın parlak lekeler.

Sinir görüntülerini okumak için bir YZ asistanı eğitmek

Bu uzman etiketli görüntüleri kullanarak araştırmacılar çok aşamalı bir derin öğrenme sistemi kurdular. İlk olarak, bir yapay zeka modeli bulanık veya hedef dışı görüntüleri eleyip yalnızca ana sinir tabakasını net şekilde gösterenleri tuttu. İkinci bir model, belirli bir görüntüde mikroneuromların olup olmadığını değerlendirdi. Üçüncü model bu lezyonların göründüğü kesin bölgeleri belirledi ve üç ek model bunları üç görsel tipe göre sınıflandırdı. Sistem bir hastaneden elde edilen verilerle eğitildi, sonra aynı merkezden görülmemiş görüntüler ve diğer bir hastaneden tamamen bağımsız bir grup üzerinde test edildi; böylece farklı hasta grupları ve görüntüleme oturumları arasında güvenilir olup olmadığı kontrol edildi.

YZ pratikte ne kadar iyi performans gösterdi

YZ temel kalite kontrolünde son derece doğru olduğunu kanıtladı; kullanılabilir görüntüleri %97’den fazla doğrulukla değerlendirdi. Mikroneuromların varlığına karar verirken, hem iç hem dış test setlerinde görüntüleri yaklaşık %81–84 doğrulukla sınıflandırdı. Lezyonları segmentleme ve alt tiplere ayırma yeteneği de güçlüydü; performans ikinci merkezden gelen verilerde bile makul derecede yüksek kaldı. Bunun gerçek dünya okumalarında fark yaratıp yaratmadığını görmek için ekip, bu görüntüleme tekniğinde az eğitim almış genç göz hekimlerinden ayrı bir 150 görüntü setini önce kendi başlarına, sonra YZ desteğiyle okumalarını istedi. YZ rehberliğiyle tanı doğrulukları yaklaşık %69’dan %88’e yükseldi ve görüntü başına ortalama okuma süreleri yarıdan fazla azaldı; bu da böyle araçların kliniklere hız kazandırabileceğini ve hekimlerin göz yorgunluğunu azaltabileceğini gösteriyor.

Bu, diyabetli insanlar için ne anlama gelebilir

Bu çalışma, dikkatle eğitilmiş bir YZ sisteminin korneadaki küçük sinir anormalliklerini otomatik olarak bulup tanımlayabileceğini ve bunun daha az deneyimli doktorların karmaşık göz taramalarını yorumlamasında önemli ölçüde yardımcı olabileceğini gösteriyor. Araştırma hâlâ erken aşamada ve retrospektif iki merkez verisine dayansa da, göz yüzeyinin vücudun küçük sinirlerinin sağlığına bir “pencere” olarak hizmet edebileceği fikrini güçlendiriyor. Gelecekte çok merkezli, uzun süreli çalışmalar korneal mikroneuromların erken diyabetik sinir hasarını güvenilir şekilde işaretlediğini doğrularsa, bu tür YZ destekli görüntüleme diyabetli kişileri hızlı, invaziv olmayan şekilde taramak, ilerlemeyi izlemek ve belki de sinir hasarı kalıcı hale gelmeden müdahale etmek için kullanılabilir hale gelebilir.

Atıf: Pan, J., Shi, X., Wan, L. et al. AI-Assisted detection of corneal nerve structural abnormalities in early diabetic keratopathy: development and validation of a deep learning framework. Sci Rep 16, 5846 (2026). https://doi.org/10.1038/s41598-026-36576-1

Anahtar kelimeler: diyabetik nöropati, korneal sinirler, mikroneuromlar, derin öğrenme, in vivo konfokal mikroskopi