Optik disk fotoğraflarından glokomu tespit etmek için bir görsel dönüştürücü modeli

Günlük görme için neden önemli

Glokom, dünya çapında kalıcı körlüğün önde gelen nedenlerinden biridir; çoğu zaman görme ciddi biçimde zarar görene dek belirti vermez. İyi haber ise, arka gözün basit fotoğrafları, ekipmanı sınırlı kliniklerde bile yaygın olarak kullanılabiliyor. Bu çalışma, gelişmiş bir bilgisayar programının bu fotoğraflara bakıp çoğu insanın sorun fark etmesinden çok önce glokomun erken belirtilerini güvenilir şekilde işaretleyip işaretleyemeyeceğini araştırıyor.

Görmeye sessiz bir tehdit

Glokom, gözden beyne görsel sinyalleri taşıyan lif demeti olan optik siniri yavaşça zedeler. Doktorlar, sinirin gözden çıktığı nokta olan optik diskteki değişikliklere bakar; ancak bu ince şekillerin yorumlanması zordur ve uzmanlar arasında bile sık sık görüş ayrılıkları olur. Dünya genelinde birçok bölgede büyük nüfusları taramak için yeterli göz uzmanı da yoktur. Sonuç olarak, özellikle düşük ve orta gelirli ülkelerde, glokom vakalarının yaklaşık yarısının tanısız kaldığı ve birçok kişinin hastalığı ciddi oranda görme kaybı yaşadıktan sonra öğrendiği düşünülüyor.

Bilgisayara göz fotoğraflarını okumayı öğretmek

Araştırmacılar, ABD’de bir göz merkezinde erken glokom tedavisi gören kişilerden alınan bine yakın optik disk fotoğrafı ile iki kamu görüntü veritabanından alınan yüzlerce sağlıklı göz fotoğrafını topladı. Glokom uzmanları, her resmi yalnızca optik sinirin görünümüne dayanarak glokomlu veya sağlıklı diye sınıflandırdı; diğer retinal sorunları içeren gözler dışlandı. Ekip, optik diskin çerçevenin benzer bir bölümünü kaplaması için her görüntüyü kırptı ve eğitim setini gerçek dünya koşullarına sadık kalarak genişletmek için hafif rotasyonlar, yakınlaştırmalar ve bulanıklaştırma gibi özenli kalite kontrolleri ve gerçekçi görüntü değişiklikleri kullandı.

Yeni bir sinir ağı türü

Daha geleneksel görüntü analiz sistemlerine dayanmak yerine ekip, nesneleri günlük fotoğraflarda tanımak için geliştirilmiş daha yeni bir derin öğrenme ailesi olan "görsel dönüştürücü" üzerine modeli kurdu. Bu model her optik disk görüntüsünü birçok küçük yama halinde dilimleyip her yamanın bir veri tokenı olarak temsilini yapar ve ardından diskin farklı bölgelerinin birbirleriyle nasıl ilişkilendiğini tartmak için dikkat bloklarından oluşan katmanlar kullanır. Ağ, gözde glokom olma olasılığını yansıtan 0 ile 1 arasında bir skor verir; 0,5 ve üzeri skorlar pozitif sayıldı. Mevcut veriden en iyi şekilde yararlanmak için araştırmacılar dengeli örnekleme, ağırlıklı kayıp fonksiyonları ve çapraz doğrulama kullandı ve dönüştürücüyü güçlü bir konvolüsyonel ağ olan EfficientNet ile karşılaştırdı.

Sistemin erken hastalığı görme başarısı

Daha önce görmediği görüntüler üzerinde test edildiğinde, görsel dönüştürücü modeli glokomlu gözleri sağlıklılardan neredeyse kusursuz ayırdı. Ana performans ölçütü olan alıcı işletim eğrisi altında kalan alan (AUC), test setinde 1.00 oldu; doğruluk yaklaşık yüzde 99, duyarlılık çok yüksek ve özgüllük çok yüksekti. Pratikte sistem neredeyse hiç glokom vakasını kaçırmadı ve çok az sağlıklı gözü hasta olarak etiketledi. Araştırmacılar daha sonra modeli orta ve ileri düzey glokomlu bin yakın gözle zorladığında, bunların yalnızca birini doğru tanıyamadı. Dönüştürücü ayrıca daha düşük doğruluk ve daha fazla yanlış alarm ve kaçırma sergileyen EfficientNet tabanlı yaklaşımdan daha iyi performans gösterdi.

Göz bakımına olası etkileri

Model standart optik disk fotoğraflarıyla çalıştığı ve ırksal olarak çeşitli bir hasta grubunda eğitildiği için, yapay zekanın dünyanın birçok yerinde glokom taramasına nasıl yardımcı olabileceğine dair gerçekçi bir bakış sunuyor. Yazarlar, çalışmalarının bazı diğerlerine göre daha küçük bir toplam örneklem boyutu kullandığına ve birçok sağlıklı kontrol için harici veri setlerine dayandığına dikkat çekiyor; bunun gizli önyargılar getirebileceğini belirtiyorlar. Daha büyük, daha çeşitli görüntü koleksiyonlarının, taşınabilir kameralarla çekilen görüntülerin ve yaş veya miyopi derecesi gibi temel hasta bilgilerinin dahil edilmesinin önemli adımlar olacağını savunuyorlar. Yine de bulguları, basit göz fotoğraflarının akıllı analizinin, uzmanların az olduğu yerlerde özellikle erken glokomu yakalayarak önlenebilir körlüğü azaltmanın uygun maliyetli bir yolu haline gelebileceğini düşündürüyor.

Okuyucular için alınacak mesaj

Bu çalışma, gelişmiş bir bilgisayar modelinin optik sinirin rutin fotoğraflarından glokomun erken izlerini çok yüksek doğrulukla öğrenip tespit edebileceğini gösteriyor. Gerçek dünya kliniklerinde daha fazla test gerekl olsa da, bu tür araçlar bir gün doktorların büyük hasta gruplarını acil göz bakımına gereksinim duyanlar ve duymayanlar olarak hızla ayırmasına yardımcı olabilir ve böylece görmenin erken korunmasını dünya çapında daha erişilebilir hale getirebilir.

Atıf: Bouris, E., Leyva, B.K., Odugbo, O.P. et al. A vision transformer model for the detection of glaucoma from optic disc photographs. Sci Rep 16, 14831 (2026). https://doi.org/10.1038/s41598-026-44662-7

Anahtar kelimeler: glokom taraması, optik disk fotoğrafçılığı, derin öğrenme, görsel dönüştürücü, göz sağlığı