Geliştirilmiş RT-DETR tabanlı gastrointestinal polip tespit yöntemi

Neden küçük büyümeleri yakalamak önemli

Kolorektal kanser genellikle bağırsak yüzeyindeki polip adı verilen küçük büyümelerle başlar. Hekimler bu polipleri yok olmadan önce bulup çıkarmak için kolonoskopi ve diğer endoskopik incelemeleri kullanır. Ancak yetenekli endoskopistler bile özellikle gürültülü, hızlı hareket eden videolarda ince veya garip şekilli lezyonları kaçırabilir. Bu çalışma, prosedürü yavaşlatmadan gerçek zamanlı olarak daha fazla polip tespit etmeyi amaçlayan ultra-hızlı ikinci bir göz gibi davranacak bir yapay zeka (YZ) sistemi sunuyor.

Görülmeyeni görmenin zorluğu

Polipler çok çeşitli boyut ve biçimlerde olabilir; çok küçük, yassı lezyonlardan daha belirgin kabarcıklara kadar değişirler ve bağırsak kıvrımları, gölgeler, sıvılar ve parlama arasında saklanabilirler. Ticari YZ asistanları hâlihazırda mevcut olsa da, görüntüler farklı kameralardan geldiğinde veya polipler çok küçük ya da kontrastı düşük olduğunda zorlanabiliyorlar. Birçok araştırma sistemi bir ödünleşme ile karşılaşıyor: eğer doğruysa genellikle yavaştır; gerçek zamanlı video için yeterince hızlıysa zor görülen lezyonları gözden kaçırabilir. Yazarlar bu ödünleşmeyi kırmaya odaklanarak hekimlerin hem hız hem de daha keskin görüşe sahip olmasını sağlamayı hedefliyor.

Endoskopi videosunu daha akıllıca okuma

Araştırma ekibi, polip bulmayı bir resmi nesneler listesine çevirmek gibi ele alan modern bir tespit çerçevesi olan RT-DETR-r18 üzerine kuruyor. Endoskopi görüntülerinin özgün sorunlarına yönelik üç ana yükseltme ekliyorlar. Birinci yükseltme, düz veya uzaktaki poliplerin yüzeyindeki ince dokuları analiz için görüntüleri küçültürken standart algoritmaların sıklıkla yok ettiği ayrıntıları korumaya yönelik bir ayrıntı-koruyucu modüldür. İkinci yükseltme, verimli bir dikkat (attention) mekanizması tanıtır: her piksel çiftini ağır hesaplamalarla incelemek yerine en bilgilendirici alanlara odaklanmanın daha yalın bir yolunu kullanır; bu sayede kabarcıklar, dışkı veya yansımalar gibi dikkati dağıtan unsurları görmezden gelmeye yardımcı olur. Üçüncü yükseltme ise birden fazla ölçekten gelen bilgileri harmanlar; böylece sistem hem yakın plan, yüksek detaylı görüntülerle hem de uzaktan görülen küçük “görsel noktalar”la başa çıkabilir.

Sistemi teste koymak

Yöntemlerinin ne kadar iyi çalıştığını görmek için araştırmacılar, standart kolonoskopi ve kablosuz kapsül endoskopisinden gelen iki farklı kaynaktan toplam 1.611 etiketli görüntü üzerinde eğitip değerlendirdi. Bu karışım, YZ'nin tek bir cihazın tuhaflıklarına değil gerçek lezyon özelliklerine güvenmesini zorunlu kılar. Uzmanların segmentasyon maskelerini dar sınırlayıcı kutulara dönüştürerek modele poliplerin nerede olduğuna dair hassas örnekler sundular. Performans, yanlış alarmlardan kaçınmayı ölçen precision (kesinlik), atlamaları önlemeyi ölçen recall (duyarlılık), ortalama doğruluk gibi yaygın ölçütlerle ve saniyedeki işlenen görüntü sayısıyla değerlendirildi. Beş bağımsız çalışmada, iyileştirilmiş sistem keskinliği %90,7'den %94,8'e, duyarlılığı ise %84,0'tan %89,9'a yükseltti ve genel tespit kalitesini artırdı. Önemli olarak, sistem hâlâ saniyede yaklaşık 188 kare analiz ediyordu—klinikte tipik olan 30–60 fps'nin çok ötesinde—dolayısıyla gerçek prosedürlerle başa çıkabilecek hızdaydı.

Karşılaştırmalar ve başarısız olduğu durumlar

YOLO ailesinden popüler nesne tespitçileri ve daha güçlü RT-DETR varyantlarıyla karşılaştırıldığında, yeni yöntem doğruluk, polip konturlarının sıkılığı ve hesaplama maliyeti açısından en iyi dengeyi sağladı. Özellikle karmaşık sahnelerde daha az fazla büyük kutu ve daha az kaçırılan lezyon ile daha temiz tespit sonuçları üretti. Yine de sistem kusursuz değil. Çok karanlık alanlarda ya da lezyonların kıvrımlar tarafından kısmen gizlendiği yerlerde bazen başarısız oluyor. Ayrıca parlak yansımaları veya kabarcıkları, eğer bunlar çıkıntılı, yuvarlak bir büyüme görünümünü taklit ederse gerçek polip zannedebilir. Yazarlar, gelecekte komşu video karelerinden alınacak bilgilerin bu tür geçici artefaktları filtrelemeye ve uyarıları daha da istikrarlı hale getirmeye yardımcı olabileceğini öneriyor.

Hastalar ve hekimler için ne anlama geliyor

Halk açısından bakıldığında, çalışma YZ'nin insanlardan çok daha hızlı endoskopi görüntülerini tarayabildiğini ve mevcut gerçek zamanlı algılayıcılardan daha az hata yaptığını gösteriyor. Küçük ayrıntıları daha iyi koruyarak, anlamlı bölgelere odaklanarak ve çoklu görsel ölçekleri işleyerek önerilen sistem muhtemel sorunlu noktaları daha fazla buluyor ve muayeneyi yavaşlatmıyor. Bu sonuçlar dikkatle hazırlanmış görüntü veri setlerinden elde edilmiş olsa da canlı kolonoskopilerden ziyade, önemli bir polibin fark edilmeden geçme ihtimalini azaltabilecek YZ araçlarına işaret ediyor. Bir sonraki adım, bu teknik kazanımların daha az kaçırılan kansere ve hastalar için daha emin, verimli taramaya dönüşüp dönüşmeyeceğini belirleyecek büyük ölçekli klinik denemeler olacaktır.

Atıf: Du, J., He, Z., Zhang, S. et al. Gastrointestinal polyp detection method based on the improved RT-DETR. Sci Rep 16, 7020 (2026). https://doi.org/10.1038/s41598-026-38617-1

Anahtar kelimeler: kolonoskopi, polip tespiti, tıbbi yapay zeka, endoskopi görüntüleme, gerçek zamanlı tarama