Yapay Zeka ile Diyabetik Retinopati Taraması: Otonom Teşhisin İlk Örneği

Bir hastalığın körlüğe yol açması için çoğu zaman tek bir şey yeter: geç fark edilmesi. Diyabet hastalarının yıllar içinde gözün arkasındaki damarlarda sessizce ilerleyen hasarı, yani diyabetik retinopati, tam da böyle bir hastalık. Hasta çoğu zaman görme keskinliğinde belirgin bir kayıp hissetmeden ileri evreye gelir. İşte bu yüzden düzenli tarama bu kadar kritik. Ve işte bu yüzden, 2018’de bir yapay zekâ sisteminin hekim onayı olmadan teşhis koymasına izin verilmesi, tıp dünyasında ses getirdi.

Bu yazıda IDx-DR’nin ne yaptığına, neden “ilk” sayıldığına ve otonom teşhisin getirdiği fırsatlarla soru işaretlerine bakacağız. Konunun daha geniş çerçevesini merak ediyorsanız yapay zekânın tıbbi teşhisteki rolü başlıklı ana rehberimiz iyi bir başlangıç noktası.

Diyabetik retinopati neden bu kadar önemli

Diyabet, kan şekerinin uzun süre yüksek seyretmesiyle vücuttaki küçük damarları yıpratır. Gözün arka duvarındaki retina, ışığı sinyale çeviren ince bir tabaka ve burayı besleyen damarlar son derece hassas. Yüksek şeker bu damarları zamanla sızdırır, tıkar, yenilerinin anormal biçimde büyümesine yol açar. Erken evrede hasta hiçbir şey hissetmez. İleri evrede ise retina kanaması, makula ödemi ve sonunda kalıcı görme kaybı tablosu ortaya çıkar.

İşin acı tarafı, bu hasarın büyük bölümünün önlenebilir olması. Düzenli göz dibi muayenesiyle hastalık erken yakalandığında, lazer tedavisi, göz içi enjeksiyon ve kan şekeri kontrolüyle körlüğe gidiş büyük ölçüde durdurulabilir. Sorun teknik değil, lojistik: diyabetli nüfus dev, göz hekimi sayısı sınırlı ve birçok hasta yılda bir kez bile göz kontrolüne gitmiyor. Tarama oranları gelişmiş ülkelerde bile çoğu zaman istenen düzeyin altında.

Fundus fotoğrafı: makinenin baktığı yer

Taramanın merkezinde fundus, yani göz dibi fotoğrafı var. Özel bir kamera, göz bebeğinden içeri bakarak retinayı, optik siniri ve damar ağını görüntülüyor. Deneyimli bir göz hekimi bu fotoğrafta mikroanevrizmaları, kanama noktalarını, sızıntıları ve anormal damar oluşumlarını tanıyor ve hastalığın evresini çıkarıyor.

Yapay zekânın devreye girdiği nokta tam burası. Fundus görüntüsü, derin öğrenme modellerinin iyi çalıştığı türden bir veri: standartlaştırılabilir, bol miktarda etiketli örnek bulunabilen, görsel desenlere dayalı bir problem. Aynı mantık tıbbın başka alanlarında da işliyor; örneğin dermatolojide cilt kanseri taraması ya da radyolojik görüntüleme alanında benzer yaklaşımlar geliştiriliyor. Retina taramasını özel kılan şey, görüntüleme protokolünün görece basit ve tekrarlanabilir olması; bu da otomasyona kapıyı aralıyor.

IDx-DR: hekim yorumu olmadan teşhis koyan ilk sistem

2018 Nisan’ında ABD Gıda ve İlaç Dairesi (FDA), IDx-DR adlı sistemin pazara çıkmasına izin verdi. Bu izni özel kılan şey, sistemin bir “karar destek” aracı değil, otonom bir teşhis sistemi olarak onaylanmasıydı. Yani fundus fotoğrafını çeken kişi göz hekimi olmak zorunda değildi ve sonuç çıktıktan sonra bir uzmanın görüntüyü ayrıca incelemesi gerekmiyordu. Sistem doğrudan “tedavi gerektiren düzeyde diyabetik retinopati saptandı” ya da “saptanmadı, bir yıl sonra tekrar tarayın” gibi bir çıktı veriyordu.

Bunun “ilk” olarak anılmasının nedeni de bu. Daha önce de tıpta yapay zekâ kullanılıyordu, ama hepsi nihai kararı hekime bırakan yardımcı araçlardı. IDx-DR, herhangi bir tıp alanında hekimin yorumuna ihtiyaç duymadan teşhis koyması yetkilendirilen ilk otonom yapay zekâ oldu. Sistemin onayına dayanak olan klinik çalışma npj Digital Medicine dergisinde yayımlandı ve birinci basamak hekim ofislerinde, daha önce diyabetik retinopati öyküsü olmayan hastalar üzerinde yürütüldü.

Sayılar ne diyor: duyarlılık ve özgüllük

Bir tarama testini değerlendirirken iki rakam belirleyici. Duyarlılık (sensitivite), hasta olanları doğru yakalama oranı; özgüllük (spesifite) ise sağlam olanları doğru biçimde “temiz” diye işaretleme oranı. Tarama testlerinde duyarlılık özellikle önemli, çünkü gözden kaçan bir vaka tedavinin gecikmesi demek.

Pivotal çalışmada IDx-DR, hafiften daha ileri düzeydeki diyabetik retinopatiyi saptamada yaklaşık %87 duyarlılık ve %90 özgüllük gösterdi. Karşılaştırma ölçütü, retina fotoğraflarını standart bir okuma merkezinde değerlendiren uzman insan okuyucularıydı. Yaklaşık on hastadan dokuzunu doğru sınıflandırmak, bir tarama aracı için güçlü bir performans. Yine de bu rakamların ne anlama geldiğini abartmadan okumak gerekiyor: %87 duyarlılık, hastaların küçük bir kısmının ilk turda atlanabileceği anlamına da geliyor. Bu yüzden tarama, tek seferlik bir karar değil, yıllık tekrarlarla işleyen bir süreç olarak tasarlanıyor.

“Otonom” ile “karar destek” arasındaki fark

Bu ayrım, konunun kalbinde. Otonom yapay zekâ, kararı kendi veren ve bu kararın sorumluluğunu üreticinin üstlendiği bir sistem demek. Karar destek sistemleri ise hekime bir öneri sunar, son sözü insan söyler. İkisi arasındaki fark teknik olduğu kadar kavramsal.

Karar destek modelinde hata olduğunda, hekimin görüşü devreye girer ve teorik olarak yanlışı düzeltir. Otonom modelde böyle bir insan filtresi yok; çıktının kendisi nihai sonuç. Bu, sistemin doğruluğu kadar güvenilirliğinin de çok dikkatli ölçülmesini gerektiriyor. Aynı zamanda hesap verebilirlik dengesini değiştiriyor: artık “doktor bakmadı mı?” sorusunun yerini “sistem nasıl doğrulandı ve sınırları neydi?” sorusu alıyor.

Birinci basamağa taşınan tarama

Otonom tarama sistemlerinin en somut vaadi erişim. Diyabetli bir hastanın göz taraması için ayrı bir randevu, ayrı bir klinik, çoğu zaman aylarca bekleme süresi demek olan şey, aile hekimi muayenesinin bir parçası hâline gelebiliyor. Hasta zaten diyabet kontrolü için doktorda; aynı ziyarette fundus fotoğrafı çekiliyor, sonuç birkaç dakikada çıkıyor.

Bu, “uygun ânı yakalama” denen şeyi mümkün kılıyor. Tarama oranlarındaki en büyük kayıp, hastanın ikinci bir randevuya hiç gelmemesinde yaşanıyor. Taramayı hastanın zaten bulunduğu yere getirmek, bu kaybı azaltma potansiyeli taşıyor. Özellikle göz hekimine ulaşmanın zor olduğu kırsal bölgelerde ya da uzman yoğunluğunun düşük olduğu coğrafyalarda bu fark hayati olabilir.

Düşük gelirli bölgelerde potansiyel ve sınırlar

Diyabet artık yalnızca zengin ülkelerin sorunu değil; vaka yükünün hızla büyüdüğü yer orta ve düşük gelirli ülkeler. Bu bölgelerde göz hekimi sayısı nüfusa oranla çok düşük ve mevcut uzmanlar büyük şehirlerde yoğunlaşıyor. Otonom tarama, teorik olarak bir uzmanın fiziksel varlığını gerektirmeden temel taramayı yapabildiği için bu açığı kapatmaya aday.

Ama bu potansiyeli olduğundan parlak göstermemek gerekiyor. Sistemlerin çalışması için yine de uygun fundus kamerası, eğitimli bir teknisyen, elektrik ve internet altyapısı, bakım ve kalibrasyon gerekiyor. Üstelik bir model, ağırlıklı olarak belirli bir popülasyonun görüntüleriyle eğitildiyse, farklı etnik gruplarda ya da farklı kamera donanımlarında aynı performansı vermeyebilir. Erişimi gerçekten genişletmek, yalnızca yazılımı değil, etrafındaki tüm zinciri kurmayı gerektiriyor.

Teşhisten sonra: sevk zinciri

Bir tarama testi tek başına tedavi etmez; insanları doğru yere yönlendirir. IDx-DR gibi bir sistem “tedavi gerektiren retinopati saptandı” dediğinde, asıl iş ondan sonra başlıyor: hastanın bir göz hekimine zamanında ulaşması, ileri tetkiklerin yapılması, lazer ya da enjeksiyon tedavisinin başlatılması. Eğer bu sevk zinciri kopuksa, doğru bir teşhisin pratikte hiçbir değeri kalmaz.

Bu yüzden otonom tarama, göz hekiminin yerini almıyor; ona ulaşan hasta havuzunu süzüyor. Sistem, taramayı kim yapabileceğini genişletirken, tedaviyi yine uzmanların elinde bırakıyor. Sağlıklı bir uygulama, “temiz” çıkanları gereksiz yere uzmana göndermeden, hasta çıkanları ise hızla doğru kapıya yönlendiren bir akış kurmakla mümkün.

Sorumluluk ve yasal soru

Otonom teşhisin getirdiği en çetrefilli mesele hukuki. Bir hekim yanlış teşhis koyduğunda sorumluluk açık. Peki sistemin kararı yanlış çıkarsa, hesap kime sorulacak? Yazılımı üreten şirkete mi, cihazı çalıştıran kliniğe mi, fotoğrafı çeken teknisyene mi? IDx-DR örneğinde üretici, otonom kararın sorumluluğunu açıkça üstlenerek bu soruya bir yanıt verdi; ama bu, alanın tümü için yerleşmiş bir kural değil.

Bu belirsizlik, otonom sistemlerin yaygınlaşma hızını da etkiliyor. Düzenleyici kurumlar, üreticilerin sorumluluğunu, performans izlemeyi ve hataların raporlanmasını netleştirdikçe güven artıyor. Ama hukuki çerçeveler çoğu zaman teknolojinin gerisinden geliyor ve bu boşluk, hem hastalar hem de hekimler için önemli bir soru olarak duruyor.

Dengeli bir okuma

IDx-DR, yapay zekânın tıpta nereye gelebileceğini gösteren bir dönüm noktası. Ama bir tarama aracı olduğunu unutmamak gerekiyor; sihirli değnek değil. Güçlü yanı, körlüğe götüren bir hastalığın erken yakalanma şansını, hastanın zaten bulunduğu yerde artırması. Sınırı ise gözden kaçabilen vakalar, popülasyona bağlı performans farkları ve teşhisten sonra mutlaka işlemesi gereken sevk zinciri.

Doğru çerçeve şu: otonom tarama, göz hekimini ortadan kaldırmıyor, ona ulaşan yolu kısaltıyor. Diyabetiniz varsa, sistemin “temiz” demesi bile düzenli kontrollerin yerini tutmaz; “tedavi gerekiyor” demesi ise mutlaka bir göz hekimine başvurmanızı gerektirir. Teknoloji, kararı hızlandırabilir; ama gözünüzün sağlığıyla ilgili sorularda son sözü hâlâ sizi gören hekim söylemeli.

Mert Şahin

Teknoloji editörü. Yapay zeka, mobil cihazlar, elektrikli araçlar ve dijital dönüşüm konularında yazıyor. İçerikleri, üretici teknik dokümanları, ürün incelemeleri ve sektör analizleri temel alınarak hazırlanır. Kullanıcı odaklı, anlaşılır ve karşılaştırmalı içerikler üretmeyi hedefler.