Çalışmanın odağında, birinci basamak kliniklerinde kullanılan sevk süreçlerinin yapay zekâ ile nasıl güçlendirilebileceği yer aldı. Araştırmacılar, diyabetik retinopatinin sessiz ilerleyişi nedeniyle yıllık retina muayenesinin klinik açıdan kritik olduğunu vurguluyor. Ancak gerçek yaşamda bu taramalara uyum, ırksal ve sosyoekonomik farklılıklar nedeniyle düzenli olmuyor. İşte bu boşluğu incelemek isteyen ekip, yapay zekâ destekli bir tarama programının yalnızca görüntü değerlendirme hızını değil, aynı zamanda hastaların göz hekimine yönlendirilme olasılığını da artırıp artırmadığını değerlendirdi.

Çalışmanın baş araştırmacısı Dr. T.Y. Alvin Liu ve ekibi, özellikle sağlık eşitsizliklerinin belirgin olabildiği topluluk temelli bir bakım ortamında, teknoloji temelli müdahalenin gerçek klinik etki oluşturup oluşturamayacağını test etti. Analiz, Ağustos 2020 ile Eylül 2022 arasında bakım alan 3.745 diyabetli yetişkini kapsayan geriye dönük bir kohorta dayanıyordu. Araştırma, geleneksel birinci basamak yönlendirmeleri ile yapay zekâ destekli tarama sonrası yapılan sevkleri karşılaştırarak, sistemin hangi gruplarda daha fazla yarar sağlayabileceğini anlamaya çalıştı.

Diyabetik retinopati, retina damarlarında diyabete bağlı hasarla gelişiyor ve başlangıçta çoğu hastada net yakınma oluşturmuyor. Bu durum, hastalığın yalnızca semptom başladığında değil, düzenli tarama ile izlenmesini zorunlu kılıyor. Uzmanlara göre yıllık göz dibi muayenesi, görme kaybını önlemek için en temel adımlardan biri. Buna karşın, özellikle sağlık hizmetlerine erişimin eşit dağılmadığı bölgelerde, tarama oranları düşük kalabiliyor. Çalışmanın önemini artıran nokta da tam olarak burada yatıyor: yapay zekâ, sadece tanısal bir araç değil, aynı zamanda hastayı doğru zamanda doğru uzmana yönlendiren bir süreç destekçisi olarak değerlendirildi.

Yayımlanan bulgular, AI tabanlı sistemlerin belirli hasta gruplarında sevk davranışını iyileştirebildiğine işaret ediyor. Araştırmacılar, bu etkinin African American hastalarda özellikle anlamlı olabileceğini belirtiyor. Bu gözlem, teknolojinin sağlık eşitsizliklerini tek başına ortadan kaldırmayacağını, ancak daha adil bir tarama zinciri kurmada yardımcı olabileceğini düşündürüyor. Klinik uygulamada en büyük engellerden biri, göz muayenesi için sevk edilen hastaların bir kısmının randevuya gitmemesi ya da tarama gerekliliğinin yeterince anlaşılmaması. Yapay zekâ destekli sistemler, sevk kararını daha görünür ve tutarlı hale getirerek bu zincirdeki kopmaları azaltabilir.

Yine de araştırmanın sonuçları dikkatli yorumlanmalı. Çalışma geriye dönük tasarıma sahip ve bu tür analizler, nedensellikten çok ilişki gösterir. Yani yapay zekâ aracının sevk artışıyla ilişkili olması, tek başına her koşulda aynı sonucun elde edileceği anlamına gelmez. Klinik ortam, hasta profili, personel eğitimi ve takip sistemleri gibi değişkenler sonuca etki edebilir. Buna rağmen çalışma, AI tabanlı taramanın günlük pratikte nasıl bir rol oynayabileceğine dair önemli gerçek dünya verileri sunuyor.

Son yıllarda göz hastalıkları alanında yapay zekâ, özellikle görüntü analizi ve risk sınıflandırması için yoğun biçimde inceleniyor. Diyabetik retinopati bu açıdan en uygun kullanım alanlarından biri olarak görülüyor; çünkü hastalığın görüntüye dayalı değerlendirilmesi mümkün ve erken evrede müdahale edilmesi, ciddi görme kaybı riskini azaltabiliyor. Ancak teknolojinin toplumsal faydaya dönüşmesi, yalnızca algoritmanın doğruluğuna değil, aynı zamanda sağlık sisteminin onu nasıl uyguladığına bağlı. Wilmer Eye Institute ekibinin çalışması da tam bu noktada, yapay zekânın yalnızca teknik bir yenilik değil, aynı zamanda eşitlik odaklı bir bakım stratejisi olabileceğini öne sürüyor.

Uzmanlar için en önemli soru, bu tür araçların hangi koşullarda en etkili biçimde uygulanacağı. Toplum tabanlı birinci basamak kliniklerinde, özellikle de düzenli göz bakımı alma olasılığı daha düşük olan hastalarda, otomatik tarama sistemleri erken tanıya giden yolu kısaltabilir. Ancak sonuçların sürdürülebilir hale gelmesi için sevk sonrası takip, hasta eğitimi ve erişim engellerinin azaltılması da gerekiyor. Çalışmanın ortaya koyduğu mesaj açık: Yapay zekâ, diyabetik göz sağlığında tek başına çözüm değil, ama bakım zincirindeki kritik boşlukları kapatabilecek güçlü bir araç olabilir.

Bu nedenle araştırma, hem oftalmoloji hem de sağlık eşitliği açısından önemli bir dönemeç olarak değerlendiriliyor. African American diyabet hastalarında göz muayenesine yönlendirme oranlarını iyileştirme potansiyeli, yalnızca klinik sonuçlar açısından değil, önlenebilir görme kayıplarını azaltma hedefi bakımından da dikkat çekiyor. Daha geniş ve ileri çalışmalarda bu yaklaşımın farklı topluluklarda nasıl işlediği incelendikçe, yapay zekânın koruyucu göz sağlığındaki rolü daha net anlaşılacak.

Bulgular, diyabete bağlı göz komplikasyonlarında tanı anlayışını değiştirebilecek bir eşik olarak görülüyor. Çünkü mevcut uygulamada retinal nörodejenerasyon çoğu zaman ancak görme bozulmaya başladığında ya da görüntüleme yöntemleri yapısal hasarı gösterdiğinde fark ediliyor. Bu aşamada ise sinir hücrelerinde oluşan hasarın önemli bir bölümü geri döndürülemez olabiliyor. Araştırmacıların geliştirdiği model, tam da bu gecikmeyi azaltmak için, gözdeki değişiklikler henüz klinik tabloya yansımadan önce kandaki biyokimyasal izleri okumayı hedefliyor.

Diyabet, dünya genelinde yarım milyardan fazla insanı etkileyen ve zaman içinde birçok organ sistemini ilgilendiren kronik bir hastalık. Göz sağlığı açısından en iyi bilinen komplikasyonlardan biri diyabetik retinopati olsa da, retinal nörodejenerasyon daha erken başlayan ve çoğu zaman daha az fark edilen bir süreç olarak öne çıkıyor. Bu durumda retina nöronları zarar görüyor; oysa bu hücreler, ışığı sinir sinyaline dönüştürerek görmenin temelini oluşturuyor. Nöron kaybı ilerledikçe görme keskinliği etkilenebiliyor, ileri evrelerde ise kalıcı görme kaybı ve körlük riski artıyor.

Çalışmanın dikkat çekici yönlerinden biri, retinal nörodejenerasyonun yalnızca bir göz sorunu olarak değil, diyabete bağlı daha geniş sinir sistemi hasarının bir göstergesi olarak da değerlendirilebilmesi. Araştırmacılar, bu tablonun periferik sinir hasarı ve bilişsel gerileme gibi diğer nörodejeneratif süreçlerle ilişkili olabileceğine işaret ediyor. Bu nedenle retina, erişilebilir yapısı sayesinde yalnızca görme sağlığını değil, sistemik nörodejeneratif değişiklikleri izlemek için de önemli bir pencere sunabilir.

Pro-DRN modeli, proteomik veriler ile makine öğrenmesini bir araya getiriyor. Proteomik, kanda bulunan çok sayıda proteinin aynı anda incelenmesine olanak tanıyan ve hastalık süreçlerine ait karmaşık biyolojik imzaları ortaya çıkarabilen bir yöntem olarak öne çıkıyor. Yapay zekâ destekli analiz ise bu geniş veri yelpazesi içinden, erken nörodejenerasyonla ilişkili örüntüleri ayıklamayı amaçlıyor. Böylece tek bir laboratuvar ölçümünden çok, proteinler arasındaki ilişkilere dayalı daha rafine bir risk değerlendirmesi elde edilebiliyor.

Erken tanı arayışı özellikle diyabet gibi uzun süre izlem gerektiren hastalıklarda kritik önem taşıyor. Çünkü gözdeki sinir hasarı, hastalar tarafından uzun süre hissedilmeyebilir; rutin muayenelerde de henüz belirgin yapısal hasar saptanmayabilir. Kan temelli bir öngörü aracı, doktorlara daha sıkı takip gereken hastaları belirlemede yardımcı olabilir. Bu da teorik olarak, göz dokusunda kalıcı hasar oluşmadan önce daha erken müdahale ve daha kişiselleştirilmiş klinik izlem için bir fırsat yaratır. Ancak araştırmanın erken aşamadaki bir çalışma olarak değerlendirilmesi gerektiği, klinik kullanıma geçmeden önce bağımsız doğrulama ve gerçek yaşam performans testlerine ihtiyaç duyulduğu da unutulmamalı.

Araştırmada sunulan yaklaşım, diyabetli hastalarda göz komplikasyonlarını yalnızca sonuç odaklı değil, süreç odaklı ele alma eğiliminin bir parçası olarak görülüyor. Birçok uzman, bu tür biyobelirteç çalışmalarının esas değerinin, hastalığın “zaten oluşmuş hasarını” görmekten ziyade, “hasar oluşmadan önceki biyolojik alarmı” yakalayabilmesinde olduğunu vurguluyor. Pro-DRN de tam olarak bu alana hitap ediyor: retina nöronlarında başlamakta olan değişimi, kan dolaşımında iz bırakabilecek protein örüntüleri üzerinden öngörmek.

Bununla birlikte, böyle bir modelin günlük klinik pratiğe girmesi için birkaç önemli eşik var. Öncelikle bulguların farklı hasta gruplarında tekrar edilmesi gerekiyor. Ayrıca yaş, diyabet süresi, glisemik kontrol, eşlik eden damar hastalıkları ve kullanılan ilaçlar gibi değişkenlerin protein profilleri üzerindeki etkisinin dikkatle ayrıştırılması gerekiyor. Aksi halde, modelin laboratuvar düzeyindeki başarısı gerçek dünyada aynı ölçüde tekrarlanamayabilir. Bu nedenle çalışma heyecan verici olsa da, sonuçlar temkinli bir bilimsel çerçevede yorumlanmalı.

Yine de araştırmanın işaret ettiği yön açık: Diyabette göz sağlığını korumak, artık yalnızca retina görüntülemesiyle hasarı izlemekten ibaret olmayabilir. Kan bazlı biyobelirteçler ve yapay zekâ destekli analizler, sinir hücrelerinin zarar görmeye başladığı çok daha erken evreleri görünür kılabilir. Eğer bu yaklaşım daha geniş çalışmalarda doğrulanırsa, diyabetik göz hastalıklarının yönetiminde erken uyarı sistemine benzeyen yeni bir dönem başlayabilir.

Şimdilik Pro-DRN, göz hastalıkları ile sistemik biyobelirteç araştırmalarının kesişiminde umut veren bir bilimsel gelişme olarak öne çıkıyor. Çalışma, diyabetin yalnızca kan şekeriyle ilişkili bir metabolik sorun olmadığını; sinir sistemini sessizce etkileyebilen çok katmanlı bir hastalık olduğunu bir kez daha hatırlatıyor. En önemlisi de, görme kaybı ortaya çıkmadan önce riskin saptanabilmesi halinde, koruyucu tıbbın diyabetik göz sağlığında çok daha güçlü bir rol üstlenebileceğini gösteriyor.