Çiftli OCT anjiyografi kullanılarak yaşa bağlı ıslak makula dejenerasyonunda tedavi yanıtının yapay zeka ile değerlendirilmesi

Görme açısından bunun önemi

Yaşa bağlı makula dejenerasyonu, daha ileri yaştaki yetişkinlerde görme kaybının önde gelen nedenlerinden biridir ve birçok kişi hastalığı kontrol altında tutmak için tekrarlayan göz içi enjeksiyonları alır. Doktorlar tedavinin işe yarayıp yaramadığını karar vermek için göz taramalarına güvenir, ancak bu taramaları okumak zordur ve uzmanlar arasında değişkenlik gösterebilir. Bu çalışma, arka gözdeki küçük kan damarlarını haritalayan daha yeni bir tarama türünü kullanarak yapay zekanın tedavi başarısını daha tutarlı biçimde değerlendirmesine nasıl yardımcı olabileceğini araştırıyor.

Boyar madde kullanmadan kan akışını görmek

Yıllarca uzmanlar, merkezi görüşü tehdit eden anormal damarları bulmak için boya tabanlı görüntülemeyi kullandı. Daha yakın zamanda, optik koherens tomografi ve ondan türeyen OCT anjiyografi, doktorların iğne gerektirmeden retina katmanlarını ve kan akışını görmesini sağladı. Bu taramalar, anormal damarların tedavi sırasında nasıl büyüdüğünü, küçüldüğünü veya şekil değiştirdiğini gösterebilir, ancak desenler sıklıkla ince olur ve sıvı veya kanama gibi aktif hastalığın açık işaretleriyle her zaman örtüşmeyebilir. Sonuç olarak, bir enjeksiyon kürünün gerçekten yararlı olup olmadığını, etkisiz kaldığını ya da hastalığın kötüleşmesine izin verip vermediğini değerlendirmek zaman alıcı ve sübjektif olabilir.

Dijital bir ikinci görüş eğitmek

Araştırmacılar, ıslak makula dejenerasyonu olan kişilerden binin üzerinde OCT anjiyografi görüntü çifti topladı. Her çift, standart bir ilaç tedavisi olan anti-VEGF enjeksiyonları serisinden önce ve sonra aynı gözü gösteriyordu; bu tedavi anormal damar büyümesini yavaşlatır. Kesitsel ayrı taramalar ve görme değişiklikleri, her bir tedavi kürünün gözde belirgin şekilde iyileşme, esasen değişmeden kalma veya kötüleşme olup olmadığını belirlemek için kullanıldı. Bu uzman etiketleri, derin öğrenme sistemini yeni görüntü çiftlerini aynı üç gruba ayırması için öğretmede referans standardı olarak hizmet etti.

Bilgisayar taramaları nasıl okuyor

Ekip, biri tedavi öncesi tarama, diğeri tedavi sonrası tarama için olmak üzere iki paralel dalı olan bir model kurdu. Her zaman noktasında sistem, düz, tepeden görünüm olarak yakalanan retina ve koroidin birkaç katmanını inceledi. Önce her taramadan damar yoğunluğu ve dallanma desenleri gibi karmaşık görsel özellikleri çıkarmayı öğrendi, ardından her iki zaman noktasından gelen bilgileri birleştirerek iyileşme, değişmeme veya kötüleşme şeklinde tek bir değerlendirme üretti. Görüntüler rastgele bölündü; bazı çiftler modeli eğitmek için, bazıları ince ayar yapmak için ve ayrı bir set nihai test için ayrıldı.

Bilgisayarı uzmanlarla karşılaştırmak

Bağımsız test setinde yapay zeka sistemi, görüntü çiftlerinin yaklaşık onda sekizinde tedavi yanıtını doğru sınıflandırdı ve özellikle iyileşmeleri saptamada güçlü performans gösterdi. İki deneyimli retina uzmanı aynı görüntü çiftlerini diğer klinik verilere erişim olmadan inceledi. Onların birleşik doğruluğu yaklaşık onda altıya yakındı ve en çok hastalığın açıkça iyiye gitmekten ziyade stabil olduğu olgularla zorlandılar. İstatistiksel analiz, insan derecelendiricilerin bir tedavi kürünün yardımcı olup olmadığını, etkisiz kaldığını veya başarısız olduğunu yanlış değerlendirme olasılığının modelden neredeyse üç kat daha fazla olduğunu gösterdi; bu da bu taramaların gözle yorumlanmasının ne kadar zor olabileceğini vurguluyor.

Bu hastalar için ne anlama gelebilir

Çalışma, dikkatle eğitilmiş bir yapay zeka sisteminin eşleştirilmiş damar taramalarının tutarlı bir okuyucusu olarak hareket edebileceğini ve makula dejenerasyonundaki anormal damarların tedaviye nasıl yanıt verdiği konusunda nesnel bir görüş sunabileceğini öne sürüyor. Bu tür araçlar doktorların yerini almayacak olsa da, ince değişiklikleri işaretleyerek, uzmanlar arasındaki anlaşmazlığı azaltarak ve enjeksiyon programlarını daha hassas şekilde uyarlamaya yardımcı olarak karar destekçisi olarak hizmet edebilirler. Uzun vadede, bu yaklaşım daha kişiselleştirilmiş bakımın desteklenmesine ve görmeyi korumak için yeni ve mevcut ilaçların daha iyi kullanılmasına katkıda bulunabilir.

Atıf: Morsy, M.S., Dutta, N.A., Eldessouky, E.I. et al. Artificial intelligence based assessment of treatment response in wet age related macular degeneration using paired OCT angiography. Sci Rep 16, 15405 (2026). https://doi.org/10.1038/s41598-026-42999-7

Anahtar kelimeler: yaşa bağlı makula dejenerasyonu, optik koherens tomografi anjiyografi, yapay zeka, tedavi yanıtı, retina görüntüleme