Önceden eğitilmiş büyük görsel-dil modellerinin geniş ölçekli özofagus kanseri taramasında özofagus üzerindeki beyazımsı plakların ön tanısı için uygulanması

Bu boğaz lekeleri neden önemli

Rutin mide ve boğaz muayeneleri sırasında hekimler sıklıkla yemek borusu yani özofagus içinde küçük beyaz lekeler görürler. Çoğu zararsızdır, ancak bazıları zamanında yakalanırsa tedavi edilebilen erken kanserin işareti olabilir. Yoğun tarama programlarında bu benzer görünümlü lezyonları ayırt etmek, uzmanlar için bile zordur. Bu çalışma, gelişmiş bir yapay zeka (YZ) sisteminin hekimlere tehlikeli lekeleri zararsızlardan hızla ayırt etmede yardımcı olup olamayacağını ve hatta gördüklerini sade bir dille tanımlayıp tanımlayamayacağını araştırıyor.

Çok farklı riskleri olan yaygın beyaz lekeler

Özofagustaki beyaz lekeler şaşırtıcı derecede yaygındır: bu geniş tarama programında her beş hastadan birinden fazlasında görüldü. Ancak bu plaklar çok farklı sorunlardan kaynaklanabilir. Bazıları, silinmeyen hafif kabarık, pürüzlü beyaz alanlar şeklinde ortaya çıkan erken özofagus kanserleridir. Diğerleri mantar enfeksiyonundan ileri gelir; bu durumda yumuşak beyaz tabakalar oluşur ve altındaki ham dokuyu açığa çıkaracak şekilde soyulabilir. Bir kısmı papillom adı verilen küçük iyi huylu büyümeler ya da genellikle zararsız ve basit takiple izlenen glikojenik akantozis olarak bilinen düz taneli yamalardır. Tedavi seçenekleri acil biyopsiden basit gözleme kadar değiştiği için bu ilk görsel değerlendirmeyi doğru yapmak kritik önemdedir.

Endoskopi görüntülerini akıllı yönlendirmeye dönüştürmek

Araştırmacılar, geniş koleksiyonlar halinde resim ve metin üzerinde eğitilmiş BLIP adı verilen güçlü bir görsel-dil modelinin üzerine bilgisayar destekli bir tanı sistemi kurdular. Sisteme, beyazımsı plakların dört ana nedenini kapsayan ve hem standart beyaz ışık hem de dar bant görüntüleme (narrow-band imaging) adı verilen özel bir kontrast modunu içeren 2.000'den fazla hastaya ait 13.922 endoskopi görüntüsü verildi. Önceki araçların yalnızca hastalık etiketi atamasının aksine, bu sistem aynı anda iki şey yapıyor: hangi dört durumdan birinin mevcut olduğunu tahmin ediyor ve lezyonların konumu ve görünümü gibi görüntüde ‘‘gördüklerini’’ kısa bir yazılı açıklama halinde üretiyor.

Sınırlı tıbbi verilerle YZ’ye daha fazla öğretmek

Tıbbi görüntü koleksiyonları gündelik fotoğraf arşivleriyle kıyaslandığında küçüktür ve bu durum YZ performansını sınırlayabilir. Bunu ele almak için ekip, BLIP modeline özel "pozitif-teşvik gürültü" modülleri ekledi. Basitçe söylemek gerekirse, bu modüller her görüntünün ve modelin iç özellik haritalarının veri odaklı, nazik varyasyonlarını oluşturarak sistemi rastgele değişikliklerle bunaltmadan daha sağlam desenler öğrenmeye teşvik ediyor. Model daha sonra deneyimli endoskopistler tarafından sağlanan uzman tanıları ve metin açıklamalarıyla görüntü anlayışını yakından hizalayacak şekilde ince ayarlandı.

Hem rakip modellere hem de insan uzmanlara karşı üstün performans

Test edildiğinde, yeni sistem dört hastalığın tümü için ve her iki endoskopi modu kullanıldığında lider görüntü‑sadece YZ modellerinin çoğunu tüm ana performans ölçütlerinde geride bıraktı. Ayrıca metin açıklamalarında doğru tanısal anahtar kelimeler üretme görevinde LLaVA‑Med adlı uzman bir tıbbi görsel-dil modelinden daha iyi performans gösterdi. İki kıdemli ve iki kıdemsiz olmak üzere dört endoskopistle yapılan doğrudan bir "okuma yarışmasında" YZ, görüntüleri sınıflandırmada daha yüksek genel doğruluk elde etti. En çarpıcı şekilde, özellikle hassasiyet korunduğu halde geri çağırmada (recall) daha iyi olarak erken özofagus kanserini yakalamada tüm doktorlardan daha başarılıydı; yani daha az kanser vakasını kaçırdı.

Gelecek kontroller için bunun anlamı ne olabilir

Çalışma, dikkatle uyarlanmış görsel-dil YZ’nin geniş çaplı tarama programlarında değerli bir asistan haline gelebileceğini öne sürüyor. Böyle bir sistem gerçek zamanlı olarak şüpheli beyaz plakları işaretleyebilir, erken kanser atlanmasını azaltabilir ve bir lezyon güvenle iyi huylu görünüyorsa hekimleri rahatlatıp birçok hastanın gereksiz biyopsilerden kurtulmasını sağlayabilir. Çalışmanın endoskopi videolarında, daha nadir beyaz plak türlerinde ve çoklu hastaneler arasında test edilmesi hâlâ gerekiyor, ancak bu çalışma YZ’nin tıbbi görüntülerde sorunu saptamakla kalmayıp aynı zamanda daha hızlı ve tutarlı klinik kararları destekleyen bir dille gerekçelendirme yapabileceği bir geleceğe işaret ediyor.

Atıf: Li, Y., Li, X., Zhang, D. et al. The application of pre-trained large visual-language models for preliminary diagnosis of esophageal whitish plaques in large-scale esophageal cancer screening. npj Precis. Onc. 10, 94 (2026). https://doi.org/10.1038/s41698-026-01301-8

Anahtar kelimeler: özofagus kanseri taraması, endoskopi yapay zekası, görsel-dil modelleri, bilgisayar destekli tanı, özofagustaki beyazımsı plaklar