Modern oftalmoloji, yapay zekânın gücüyle yeni bir döneme giriyor. Son yapılan bilimsel bir araştırma, göz sağlığının en kritik belirteçlerinden olan retina tabakalarındaki bozulmaların, yapay zekâ destekli derin öğrenme modelleri ile yüksek doğrulukla tespit edilebileceğini kanıtladı. Bu gelişme, körlükle sonuçlanabilecek retinal hastalıkların erken teşhis ve tedavi süreçlerinde devrim yaratma potansiyeli taşıyor.
Retina Sağlığında Yapay Zekâ Dönemi
Retina, görsel fonksiyonun merkezi olup iç ve dış tabakalarındaki mikroyapısal bozulmalar, doğrudan görme kaybı ile ilişkilidir. Özellikle retina iç tabakalarının düzensizliği (DRIL) nöronal bütünlüğü, retina dış tabakalarının düzensizliği (DROL) ise fotoreseptör hasarını temsil eder. Bilimsel araştırma kapsamında, maküla bölgesinden alınan 599 adet Swept-Source optik koherens tomografi (SS-OKT) görüntüsü, derin öğrenme mimarileri kullanılarak analiz edildi.
Hangi Model Daha Üstün?
Araştırmada ResNet50, MobileNetV4, ConvNeXtV2 ve MetaFormer olmak üzere dört farklı derin öğrenme modeli karşılaştırıldı. Elde edilen bulgular, ResNet50 modelinin %91,53 ile en yüksek genel doğruluk oranına ulaştığını gösterdi. Buna karşılık MobileNet V4, daha düşük parametre sayısı ile hızlı çıkarım yapabilme yeteneği ve %89,83’lük doğruluk oranıyla öne çıktı. Bu sonuçlar, tek bir modelin her klinik senaryo için en iyisi olmadığını, ihtiyaca göre (hız veya yüksek doğruluk) farklı mimarilerin tercih edilmesi gerektiğini ortaya koyuyor.
Klinik Karar Destek Mekanizması
Model kararlarının şeffaflığını artırmak amacıyla kullanılan Grad-CAM tabanlı ısı haritaları, yapay zekânın retina üzerindeki patolojik bölgeleri tıpkı uzman hekimler gibi doğru bir şekilde odakladığını görselleştirdi. Bu teknoloji, oftalmologlara karmaşık vakalarda objektif, tekrarlanabilir ve hızlı bir karar destek mekanizması sunarak, kişiselleştirilmiş tedavi süreçlerini hızlandırabilir.
Gelecek: Hibrit Modeller
Bilim dünyası, modern konvolüsyonel sinir ağlarının özellik çıkarma gücü ile transformer tabanlı dikkat mekanizmalarının bütünsel veri işleme yeteneğini birleştiren yeni "hibrit" modellerin, retinal biyobelirteç analizinde standartları daha da yükselteceği görüşünde.
Kaynak: Kılıç E.Z. (2026). Maküla Optik Koherens Tomografi Görüntülerinde Yapay Zekâ ile Retina Tabakalarındaki Bozulmanın Tespiti. Ondokuz Mayıs Üniversitesi Tıp Fakültesi, Göz Hastalıkları Anabilim Dalı, Tıpta Uzmanlık Tezi. Tez No; 1010481
