Balgam kurtarıcı konağı tespitinde karşılaştırmalı YOLO tabanlı yaklaşım ile Bithynia salyangozlarının otomatik gerçek zamanlı gözetimi

İnsan sağlığı için küçük salyangozların önemi

Güneydoğu Asya’nın bazı bölgelerinde küçük tatlı su salyangozları, ölümcül olabilen safra kanalı kanseriyle ilişkili bir parazitik karaciğer kurdunun yayılmasında önemli rol oynar. Doktorlar ve saha çalışanları, göletlerde ve pirinç tarlalarında hangi salyangoz türlerinin bulunduğunu kesin olarak bilmek zorundadır, ancak birçok salyangoz neredeyse aynı görünür. Bu çalışma, modern yapay zekanın bu salyangozları gerçek zamanlı izleyip izleyemeyeceğini, böylece sağlık çalışanlarının hastalık riskini daha hızlı ve daha doğru izlemesine yardımcı olup olamayacağını araştırıyor.

Saklı kanser riskinin arkasındaki salyangozlar

Bu araştırmanın odağında, karaciğer kurdu Opisthorchis viverrini için zorunlu konak olan küçük tatlı su salyangozları Bithynia türleri bulunuyor. İnsanlar, bu salyangozların yaşadığı sulardan gelen çiğ veya az pişmiş balık yediklerinde enfekte olabilirler. Uzun süreli enfeksiyon, tedavisi zor bir safra kanalı kanseri olan kolanjiyosarkom riskiyi önemli ölçüde artırır. Birkaç Bithynia türü ve alt türü Tayland ve komşu ülkelerde örtüşen yaşam alanlarına sahiptir ve gözle ayırt edilmeleri çok zor olabilir. Kabuk özelliklerine dayanan geleneksel yöntemler veya DNA testleri yavaş ve yoğun iş gücü gerektirdiğinden geniş alanların izlenmesini güçleştirir.

Bilgisayarlara salyangozları tanıtmak

Ekip, görüntülerdeki nesneleri neredeyse anında bulup etiketleyebilen popüler bir görüntü tanıma sistemi olan YOLO’nun dört sürümünü test etti. Tayland genelinde 47 noktadan, düz beyaz zemin üzerinde laboratuvar çekimleri ve pirinç tarlaları, kanallar, göletler ve sulama kanallarındaki doğal sahneler dahil olmak üzere binlerce yüksek çözünürlüklü salyangoz görüntüsü topladılar. Uzmanlar önce salyangozları standart taksonomik anahtarlara göre belirlediler ve ardından görüntülerdeki her örneğin etrafına kutular çizdiler. Bilgisayar modellerini hem salyangozları tespit etmek hem de hangi tür olduklarını belirlemek üzere eğitmek için üç tıbbi açıdan önemli Bithynia türü ve dördüncü bir “bilinmeyen” grup kullanıldı.

Yapay zeka ve insan uzmanları teste sokmak

Eğitimden sonra araştırmacılar, dört YOLO modelini daha önce görmemiş oldukları ayrı bir görüntü seti kullanarak beş insan uzmanla karşılaştırdı. İnsanlar bir salyangozun varlığını tespit etmede kusursuzdu; hiçbir örneği kaçırmadılar. Yapay zeka sistemleri ise özellikle salyangozlar çok küçük, üst üste binmiş, kirli veya karmaşık arka planlarda kısmen gizlenmiş olduğunda birkaç salyangozu tespit edemedi. Bununla birlikte, bir salyangoz bulunduğunda en iyi model olan YOLOv10, türünü söylemede insanlardan çok daha iyiydi. Tespit edilen salyangozlarda yaklaşık dörtte üç oranında sınıflandırma doğruluğuna ulaşırken, insan uzmanlar ortalamada yarının altında kaldı; bu durum kabuk farklılıklarının ne kadar ince olabildiğini yansıtıyor.

Zorlu saha koşulları için doğru modeli bulmak

Test edilen dört sürüm arasında YOLOv10 doğruluk, hız ve kompakt dosya boyutu açısından en iyi dengeyi sundu. Doğrulama verilerinde genel %98,7 doğruluk oranına ve standart tespit ölçütlerinde yüksek puanlara ulaştı; ayrıca mütevazı bir grafik kartında saniyede dört kareden fazla hızla çalıştı. Düşük ışık, yoğun bitki örtüsü ve karmaşık sahneler gibi zor gerçek dünya koşullarında da iyi performans gösterdi ve eski sürümlere göre küçük veya garip yönlendirilmiş salyangozlarla daha iyi başa çıktı. Aynı zamanda model, saha ekiplerinin sınırlı hesaplama gücüne sahip olabileceği durumlar için taşınabilir cihazlara konuşlandırılabilecek kadar küçük.

İnsanlar ve makineler için paylaşılan bir görev

Uzman olmayan biri için ana mesaj, bu işi ne insanların ne de makinelerin tek başına kusursuz yapamayacağı, ancak birlikte çok daha iyi performans gösterdikleridir. İnsanlar dağınık görüntüleri taramakta ve hiçbir salyangozun gözden kaçmamasını sağlamada mükemmeldir. Yapay zeka sistemi ise bir salyangoz işaretlendikten sonra hangi neredeyse aynı tür olduğu konusunda daha güvenilirdir. Yazarlar, saha çalışanları veya teknikerlerin önce salyangozları tespit ettiği, ardından bu görüntüleri hızlı ve standartlaştırılmış tür etiketlemesi için YOLOv10 sistemine gönderdiği hibrit bir iş akışı öneriyor. Bu birleşik yaklaşım, salyangoz gözetiminin hızını ve tutarlılığını büyük ölçüde artırarak halk sağlığı programlarına riskli salyangoz konaklarının nerede yayıldığını izlemede ve kaynakların ve uzmanlığın sınırlı olduğu bölgelerde kontrol çabalarını planlamada pratik bir araç sunabilir.

Atıf: Jenwithee, T., Meererksom, T., Limpanont, Y. et al. Automated real-time surveillance of Bithynia snails using a comparative YOLO based approach for liver fluke host detection. Sci Rep 16, 14886 (2026). https://doi.org/10.1038/s41598-026-43387-x

Anahtar kelimeler: Bithynia salyangozları, karaciğer kurdu, YOLO tespiti, hastalık gözetimi, insan-yapay zeka işbirliği