Kobe Üniversitesi’ndeki araştırmacılar, elin arkasının fotoğraflarını ve sıkılmış bir yumruğu analiz ederek nadir bir hormon bozukluğu olan akromegali tespit edebilen bir AI sistemi geliştirdiler. Hastalık genellikle yavaş gelişir ve tedavi edilmeyen vakalar yaşam süresini kısaltsa da teşhis etmek yıllar alabilir.
AI'nın hedeflediği hastalık, genellikle orta yaşta ortaya çıkan nadir bir durum olan akromegalidir. Büyüme hormonunun aşırı üretiminden kaynaklanır ve bu da genişlemiş el ve ayaklara, yüz görünümündeki değişikliklere ve kemiklerin ve iç organların anormal büyümesine yol açar. Bozukluk uzun yıllar boyunca kademeli olarak geliştiğinden, erken tanımak zor olabilir.
Tedavi edilmezse, akromegali ciddi sağlık sorunlarına yol açabilir ve yaşam beklentisini yaklaşık 10 yıl kısaltabilir. Kobe Üniversitesi endokrinologu Hidenori Fukuoka, "Durum çok yavaş ilerlediği için ve nadir bir hastalık olduğu için, teşhis edilmesi için on yıla kadar zaman ayırmak nadir değildir" diyor. “AI araçlarının ilerlemesiyle, erken teşhis için fotoğraf kullanma girişimleri oldu, ancak klinik uygulamada benimsenmediler.”
El Görüntülerini Kullanarak Gizliliğe Odaklanmış Bir AI Yaklaşımı
Araştırma ekibi mevcut AI çalışmalarını incelediğinde, birçok sistemin hastalığı tanımlamak için yüz fotoğraflarına bağlı olduğunu buldular. Bununla birlikte, yüz tanıma hastalar için gizlilik endişelerini artırabilir. Bu konuyu ele almak için, bilim adamları farklı bir strateji seçtiler.
Kobe Üniversitesi'nde yüksek lisans öğrencisi olan Yuka Ohmachi, "Bu endişeyi ele almaya çalışırken, özellikle akromegali genellikle ellerde değişiklikler gösterdiği için, teşhis amacıyla klinik uygulamada birlikte rutin olarak incelediğimiz bir vücut parçası olan ellere odaklanmaya karar verdik" diye açıklıyor.
Gizlilik korumalarını güçlendirmek için araştırmacılar, görüntülerini elin arkasına ve sıkılmış bir yumruğu ile sınırladılar. Palmiye görüntülerinden kasıtlı olarak kaçındılar, çünkü palmiye çizgisi desenleri oldukça bireyseldir ve kimliği ortaya çıkarabilir. Bu dikkatli yaklaşım, çok sayıda katılımcının işe alınmasına yardımcı oldu. Toplamda, Japonya genelinde 15 tıbbi kurumdan 725 hasta, AI modelini eğitmek ve test etmek için kullanılan 11.000'den fazla görüntüye katkıda bulundu.
AI, Deneyimli Uzmanları Daha İyi Performans Gösteriyor
Ekip, sonuçlarını Klinik Endokrinoloji ve Metabolizma Dergisi'nde bildirdi. AI modelleri, el görüntülerinden akromegali tanımlarken çok yüksek hassasiyet ve özgüllük gösterdi. Doğrudan karşılaştırmalarda, sistem aynı fotoğrafları değerlendiren deneyimli endokrinologlardan bile daha iyi performans gösterdi.
“Açıkçası, teşhis doğruluğunun sadece elin arkasının ve sıkılmış yumruğun fotoğraflarını kullanarak bu kadar yüksek bir seviyeye ulaşmasına şaşırdım. Beni özellikle önemli kılan şey, yüz özellikleri olmadan bu performans seviyesine ulaşmaktı, bu da bu yaklaşımı hastalık taraması için çok daha pratik hale getiriyor ”diyor Ohmachi.
Tıbbi AI'yı diğer koşullara genişletmek
Araştırmacılar şimdi sistemlerinde ellerinde gözle görülür değişiklikler üreten ek tıbbi durumları tespit etmek için sistemlerini uyarlamayı umuyorlar. Olası hedefler arasında romatoid artrit, anemi ve parmak clubbing bulunur. Ohmachi, "Bu sonuç, tıbbi AI'nın potansiyelini genişletmek için giriş noktası olabilir" diyor.
Doktorları Desteklemek ve Bakıma Erişimin Geliştirilmesi
Gerçek klinik ortamlarda, doktorlar hastaları teşhis ederken elden çok daha fazlasına güvenirler. Tıbbi öykü, laboratuvar testleri ve fiziksel sınavların hepsi önemli roller oynar. Kobe Üniversitesi araştırmacıları, AI aracını, bunların yerine geçmek yerine doktorlara yardımcı olabilecek bir şey olarak görüyorlar. Çalışmalarında, teknolojiyi “klinik uzmanlığı tamamlamanın, tanısal gözetimi azaltmanın ve daha erken müdahaleyi sağlamanın” bir yolu olarak tanımlıyorlar.
Çalışma lideri Fukuoka şunları söylüyor: “Bu teknolojiyi daha da geliştirerek, ele ile ilgili rahatsızlıkların şüpheli vakalarını uzmanlara bağlamak için kapsamlı sağlık kontrolleri sırasında tıbbi bir altyapı oluşturmaya yol açabileceğine inanıyoruz. Ayrıca, bölgesel sağlık ortamlarında uzman olmayan hekimleri destekleyebilir ve böylece sağlık eşitsizliklerinin azaltılmasına katkıda bulunabilir.
Araştırma, Hyogo Bilim Teknolojisi Vakfı'ndan fon aldı. Projede ayrıca Fukuoka Üniversitesi, Hyogo Tıp Üniversitesi, Nagoya Üniversitesi, Hiroşima Üniversitesi, Toranomon Hastanesi, Nippon Tıp Fakültesi, Kagoshima Üniversitesi, Tottori Üniversitesi, Yamagata Üniversitesi, Okayama Üniversitesi, Hyogo Prefectural Kakogawa Tıp Merkezi, Hokkaido Üniversitesi, Uluslararası Sağlık ve Refah Üniversitesi, Moriyama Memorial Hastanesi'nden işbirlikçileri de içeriyordu.
Kaynak : Kobe Üniversitesi | 4 Mart 2026
