Yapay Zeka, Önleyici Göz Bakımını Yeniden Şekillendiriyor ve Görmeyi Koruyor

Gözler, temel bir duyusal organ olarak, hayatımızın her aşamasında önemli bir rol oynar.

Dış dünyayla ilgili bilgileri beyne iletirler. Görüş olmadan, okuma, öğrenme, yürüme ve çevremizle etkileşim gibi günlük görevleri yerine getirmekte zorlanırız.

İyi bir görüş, bağımsızlığın tadını çıkarmak ve elbette yaşamın keyiflerini yaşamak için esastır.

Ancak, 2,2 milyar insan görme bozukluğu nedeniyle bunu yapamıyor; bu durum, görsel sistemi ve işlevlerini etkileyen bir göz hastalığından kaynaklanıyor. 

Katarakt, glokom, kırma kusurları, diyabetik retinopati, yaşa bağlı makula dejenerasyonu (AMD) ve presbiyopi, görme bozukluğunun önde gelen nedenlerinden bazılarıdır.

Görme bozukluğu, bireyin yaşamı üzerinde ciddi sonuçlar doğurur; bunların birçoğu zamanında kaliteli göz bakımına erişimle hafifletilebilir. Bireyler üzerindeki etkisinin yanı sıra, görme bozukluğu önemli bir finansal yük de oluşturur; kaybedilen üretkenliğin yıllık küresel maliyeti 411 milyar dolar olarak tahmin edilmektedir.

Sonuç olarak, görme bozukluğu ve körlüğe yol açabilen göz hastalıkları, göz bakım stratejilerinin temel odak noktasıdır.

Göz Hastalıklarında Yapay Zeka

Görme bozukluğu bir kişinin yaşam kalitesini düşürdüğü ve küresel ekonomik yük yarattığı için doktorlar, bilim insanları ve araştırmacılar göz bakımını dönüştürmek amacıyla yapay zekâya (AI) yönelmektedir.

Hızla gelişen bu teknoloji, finans, imalat, perakende, medya ve sağlık hizmetleri gibi sektörlerde iş verimliliğini ve veri analizini iyileştiriyor.

Sağlık ve tıpta, AI etkisi son yıllarda büyük ölçüde artmıştır. 

Erken Tespit İçin AI: DR, Glokom ve AMD

Göz hastalıklarında, AI özellikle glokom, diyabetik retinopati ve AMD gibi hastalıkların erken tespitini retina görüntüleri ve hasta verilerinin analiziyle mümkün kılıyor. Bu bağlamda AI araçları kişiselleştirilmiş müdahaleler ve otomatik tanı ve tarama sağlayabiliyor. 

Teknoloji ayrıca cerrahi yardımı da sunarak adayları taramaya, teknikleri optimize etmeye, komplikasyonları en aza indirmeye ve postoperatif sonuçları tahmin etmeye yardımcı olur.

Uzmanlara göre AI, ön segment cerrahisinin geleceğinde klinik ve cerrahi uygulamalarda giderek daha büyük bir rol oynayacak; bu cerrahi, katarakt ve kornea hastalıkları gibi durumları ve yaralanmaları tedavi etmek için gözün ön yapılarına odaklanır.

Şimdiden teknoloji, katarakt taraması ve tanısı, cerrahi aşamaların sınıflandırılması ve ameliyathane iş akışını optimize etmek için cerrahi zamanlamasının tahmini gibi amaçlarla kullanılmaktadır. Ayrıca AI, IOL (intraoküler lens) gücünün optimal hesaplamasına uygulanmaktadır; bu, katarakt ameliyatı sırasında doğal lensin yerine yerleştirilen sentetik lensin kırma gücünü ifade eder.

Sonuçta, yıllar içinde rutin uygulama olarak toplanan çok sayıda literatür ve görüntü verisi bulunmaktadır.

Kaydırmak için kaydırın →

LLM’lerin Göz Doktorlarıyla Performansı

Bir çalışma aslında AI’nın uzman olmayan doktorların göz problemlerini değerlendirme yeteneğini aştığını buldu.AI, uzman olmayan doktorların yeteneğini aşıyor¹.

Cambridge Üniversitesi öncülüğündeki çalışma, popüler büyük dil modeli (LLM) GPT-4’ün klinik bilgi ve akıl yürütme becerilerinin artık uzman göz doktorlarının seviyesine yaklaştığını bildirdi.

GPT-4, uzman göz doktorları, uzmanlaşmamış genç doktorlar ve eğitimcilerle karşılaştırıldı; her birine belirli göz problemleriyle ilgili 87 senaryo sunuldu. Sorular, internleri test etmek için kullanılan bir ders kitabından alındı ve internet üzerinde serbestçe bulunmadığı için GPT-4’ün eğitim veri setlerinde bu içeriğin bulunma ihtimali düşük.

Doktorlar, dört seçenek arasından bir tanı ya da tedavi önerisi seçmek zorundaydı. Çalışmaya göre, AI modeli testte genç doktorlardan daha yüksek puan aldı ve eğitimciler ve uzmanlarla benzer puanlar elde etti, ancak en yüksek puanı alan doktorlar GPT-4’ten daha yüksek puan aldı.

Araştırmacılar, LLM’lerin sağlık profesyonellerinin yerini almayacağını, ancak belirli bağlamlarda tanı, tavsiye ve yönetim önerileri sunarak sağlık hizmetlerini iyileştirebileceğini belirtti.

Laboratuvardan Kliniğe: Gerçek Dünya Tarama Sonuçları

Son bir çalışma, glokom tespitinde AI uygulamasını değerlendirdi².

Bunun için, otomatik retinal fotoğrafçılık ve AI tabanlı bir tarama sistemi geliştirerek kabul edilebilirliğini, uygulanabilirliğini ve doğruluğunu değerlendirdiler. Çalışma, 50 yaş ve üzerindeki kişileri, otomatik fundus kamera ile çekilen retinal görüntülerini AI tarafından analiz ettirerek dahil etti.

AI sistemi %0,80 AUROC elde etti; bu, teknolojinin durumları ayırt etmedeki güçlü yeteneğini gösterir. Hassasiyet %65 idi, AI tarafından doğru şekilde tanımlanan gerçek vakaları temsil ederken, özgüllük %94,6 idi, sağlıklı bireylerin doğru sınıflandırılmasını yansıttı. Önceden tanı konmamış 161 hastadan 18’i (%11,2) referans glokom olarak belirlendi. Çalışma şu ifadeyi kullandı:

“Düşük hassasiyet ve görüntü elde etme sınırlamaları gibi zorluklara rağmen, sistem birincil bakım ortamlarında fırsatçı tarama için umut vaat ediyor.” 

Bu arada, Çin Capital Medical University Göz Hastalıkları Bölümü tarafından yapılan bir inceleme³, miyopide AI uygulamalarını ve zorluklarını araştırdı.

Şu anda bu durum dünya genelinde iki milyardan fazla insanı etkiliyor ve 2050 yılına gelindiğinde, dünya nüfusunun neredeyse yarısının bu durumdan etkileneceği öngörülüyor. Düzeltme yapılmadığında, miyopi görmeyi bozabilir, eğitimi kesintiye uğratabilir ve istihdam fırsatlarını etkileyebilir; yüksek miyopi kalıcı görme kaybına yol açabilir. Bu nedenle, erken tanı ilerlemenin yönetilmesi ve uzun vadeli görsel hasarın önlenmesi için önemlidir.

Burada AI, karmaşık tıbbi verileri analiz ederek umut verici bir araç sunabilir.

Miyopiyi tespit etmek için AI modelleri, büyük miktarda fundus fotoğrafı ve OCT görüntüsü üzerinde eğitilebilir ve ardından retina üzerindeki miyopiyle ilişkili değişiklikleri bulmayı öğrenebilir. AI ayrıca miyopinin başlangıcıyla ilişkili davranışsal değişiklikleri tespit etmeye eğitilebilir. SVOne gibi kendi kendine izleme ekipmanları, gözlerde kırma kusurlarını tespit etmek için AI kullanabilir. Risk faktörlerini keşfetmek için lojistik regresyon, destek vektör makinesi ve XGBoost gibi teknikler kullanılabilir.

AI, klinik uygulamaları ve politika yapımını miyopi kontrolünde yardımcı olabilse de, zorlukları da vardır.

“Yüksek kaliteli veri setleri oluşturarak, modelin çok modlu görüntü verisini işleme kapasitesini artırarak ve insan-bilgisayar etkileşim yeteneğini geliştirerek, AI modelleri yaygın klinik uygulama için daha da iyileştirilebilir.”

– Dr. Jifeng Yu

Eşitsizliği Gidermek

Görsel sorunlar yaygın olmakla birlikte, bozukluk düşük ve orta gelirli ülkelerde (LMIC’ler) yüksek gelirli bölgelere göre daha fazladır. Daha fazla insanın taranmasını sağlayarak, AI sınırlı uzman göz bakımına erişimi olan bölgelerde bu boşluğu kapatmaya yardımcı olabilir.

Bunun için teknoloji devi Google, ARDA (Otomatik Retinal Hastalık Değerlendirmesi) adlı bir AI modeli oluşturdu ve yakın zamanda bu modeli Tayland ve Hindistan’daki sağlık teknolojisi şirketlerine lisansladı.diyabetik retinopati tespit eden AI modeli.

“Kendi iş modellerini kuracaklar, ancak aynı zamanda en çok ihtiyacı olan ve karşılayamayan insanlara tarama hizmeti sunacaklar. Diyabetik retinopati kaynaklı körlük tamamen önlenebilir ve bu yerlerde etkili tarama yapamamış olmamız affedilmemelidir.”

– Sunny Virmani, project manager at Google Health

Düşük ve orta gelirli ülkelerde giderek yaygınlaşan diyabet, bulanık görme, diyabetik makula ödemi, glokom ve diyabetik retinopati gibi durumlarla görmeyi ciddi şekilde etkileyebilir. Sonuncusu, aşırı kan şekerinin kan damarlarına zarar vermesi ve göz içine sıvı sızdırmasıyla ortaya çıkar.

Diyabetik retinopati görmede değişikliklere yol açabilir ve sonunda kişi kör olabilir. Ancak erken tanı ve tedavi riski %98’e kadar azaltır. Ancak diyabetli kişilerin yalnızca az bir kısmı taramadan geçmektedir.

Bu nedenle, on yıldan fazla bir süre önce, Google Health araştırma direktörü Dale Webster ve meslektaşları, AI’nın tıbbi görüntülerden hastalık teşhis etme yeteneğini test etmeye başladılar.

Bu, ARDA’ya yol açtı; bu model hastalığı bir göz doktoru kadar etkili bir şekilde teşhis edebiliyor.

AI modeli için Google ekibi, 2018-2020 yılları arasında Tayland’da üç bölgede 7.651 kişiyi taradı; ARDA %94,7 doğruluk elde ederek “bu araçların güvenli ve etkili olduğunu” gösterdi.

Nadir hastalık uzmanı en iyi on hisse senedi listesi için buraya tıklayın.

Keratokonus Yönetiminde AI’ın Çığır Açan Gelişmesi

Tüm bu ilerlemeler arasında, araştırmacılar artık keratokonus hastalarının kör olma ihtimalini başarılı bir şekilde tahmin edebilen bir AI geliştirdiler; böylece erken tedavi ve izlem gerektiren hastalar yıllar öncesinden belirlenebiliyor. Bu teknoloji gereksiz prosedürleri azaltabilir ve görme kaybını önleyebilir.

Keratokonus, bilinen bir nedeni olmayan ilerleyici bir göz hastalığıdır.

Bu durumda kornea şekil bozukluğuna uğrar. İris ve pupili kaplayan, ışığın içeri girmesini ve net bir görüş için odaklanmasını sağlayan şeffaf, kubbe şeklindeki tabakadır.

Kornea inceldiğinde ve konik bir şekle çıkıntı yaptığında buna keratokonus denir. Korneanın şekil değişikliği ışık ışınlarını odak dışına çıkararak bozuk görmeye yol açar. Diğer belirtiler arasında parlama, ışığa duyarlılık ve bulanık görme bulunur. Bu durum sürüş veya okuma gibi günlük görevleri zorlaştırır.

Bu hastalık genellikle ergenlik sonu ya da erken 20’li yaşlarda ortaya çıkar ve zamanla ilerler.

Hastalığın kesin nedeni bilinmemekle birlikte, genetik olabilir; keratokonuslu kişilerin %10’unda ebeveyni de aynı hastalığa sahiptir. Keratokonus ayrıca aşırı göz ovuşturma, göz alerjileri, kolajen kaybı nedeniyle kornea incelmesi ve bağ dokusu bozukluklarıyla ilişkilidir.

Genellikle her iki gözü etkileyen hastalık, iki göz arasında çok farklı görme ve semptomlara yol açabilir.

Keratokonus belirtileri on ila yirmi yıl süren bir dönemde yavaşça kötüleşir. Erken evrede belirtiler arasında göz kızarıklığı veya şişlik, ışığa ve parlaklığa artan duyarlılık, hafif bulanık görme ve hafif bozulmuş görüş bulunur. İlerleyen evrelerde genellikle miyopi veya astigmatizma artışı ve daha bulanık ve bozulmuş görme görülür.

Erken evrelerde, görme problemleri genellikle gözlük veya kontakt lenslerle düzeltilebilir, ancak ilerleyen evrelerde sert gaz geçirgen kontakt lensler gerekebilir.

Ancak zamanında tedavi edilmez ve durum daha şiddetli hale gelirse, kornea nakli, Intacs (küçük kornea implantları) ve kornea çapraz bağlama (CXL) gerekebilir. Şu anda keratokonus tanısı koymak için doktorlar hastaları zaman içinde izliyor.

Rutin göz muayeneleri sırasında, bir göz doktoru korneayı inceler ve şeklindeki değişiklikleri gösterebilecek özel görüntüleme teknikleri kullanabilir.

“Keratokonus yönetilebilir bir durumdur, ancak kime, ne zaman ve nasıl tedavi uygulanacağını bilmek zordur. Ne yazık ki bu sorun gecikmelere yol açabilir; birçok hasta görme kaybı yaşar ve invaziv implant veya nakil cerrahisi gerekir.”

– Dr. José Luis Güell, ESCRS Trustee and Head of the Cornea, Cataract and Refractive Surgery Department at the Instituto de Microcirugía Ocular, Spain

Araştırmacılar şimdi, AI’nın keratokonus hastalarının geri dönüşü olmayan hasar oluşmadan önce acil korneal tedaviye ihtiyaç duyup duymadığını tahmin etmesini sağlayarak göz bakımını yeniden şekillendirebilecek bir çığır açtılar; bu, görme kaybını önleyebilir ve nakilleri azaltabilir.

Çalışma, yakın zamanda 43. Avrupa Katarakt ve Refraktif Cerrahlar Derneği (ESCRS) Kongresi’nde sunuldu.

İnsan Görüşünü ve Sağlık Kaynaklarını Korumak

Moorfields Göz Hastanesi NHS Vakıf Güveni ve University College London (UCL) bünyesindeki Dr. Shafi Balal ve meslektaşları tarafından yürütülen çalışma, hastaların göz görüntülerini analiz etmek ve diğer verilerle birleştirerek hangi keratokonus hastalarının acil tedaviye, hangilerinin ise izlemeye devam etmesi gerektiğini tahmin etmek için AI kullandı.

“Keratokonus, genç ve çalışma çağındaki hastalarda görme bozukluğuna neden olur ve Batı dünyasında kornea naklının en yaygın nedeni olarak kabul edilir.”

– Dr. Balal

‘Çapraz bağlama’ adı verilen tek bir tedaviyle hastalığın ilerlemesi durdurulabilir. Bu terapi, korneayı sertleştirmek için ultraviyole ışık ve B2 vitamini (riboflavin) damlalarının kullanılmasını içerir.

Bununla birlikte çapraz bağlama tedavisi, skar kalıcı hale gelmeden önce uygulanmalıdır; bu, kornea nakli ihtiyacını ortadan kaldırır. Gerçekten de vakaların %95’inden fazlasında başarılıdır. Dr. Balal’a göre:

“Ancak doktorlar şu anda hangi hastaların ilerleyeceğini ve tedaviye ihtiyaç duyacağını, hangilerinin sadece izlemeyle stabil kalacağını tahmin edememektedir; bu durum hastaların yıllarca sık sık izlenmesini gerektirir ve çapraz bağlama genellikle ilerleme gerçekleştiği zaman uygulanır.” 

Bu nedenle AI, keratokonus tanısını zamanında koyabilir.

AI’ları için çalışma, keratokonus değerlendirmesi ve izleme amacıyla Moorfields Göz Hastanesi’ne yönlendirilen bir hasta grubunu kullandı; bu grup, gözün ön kısmını OCT ile tarayarak şeklini inceledi.

Optik koherens tomografi (OCT), ışık dalgalarını kullanarak retina’nın yüksek çözünürlüklü kesitsel görüntülerini elde eden invaziv olmayan bir görüntüleme yöntemidir. Bu teknik, makula dejenerasyonu, glokom ve diyabetik retinopati gibi durumların tanısında göz hastalıklarında yaygın olarak kullanılır.

Araştırmacılar, AI kullanarak 6.684 hastanın 36.673 OCT görüntüsünü incelediler. Araştırmacılar, AI modellerinin hastanın durumunun sadece ilk ziyaretine dayanarak stabil kalıp kalmayacağını ya da kötüleşeceğini doğru bir şekilde tahmin edebildiğini buldular.

Bu, ilk rutin konsültasyondan itibaren AI’nın doktorların hangi hastaların ilerleme yaşayacağını tahmin etmelerine yardımcı olabileceği anlamına gelir; böylece ilerleme ve ikincil değişiklikler ortaya çıkmadan erken tedavi uygulanabilir.

AI modelini kullanarak araştırmacılar hastaları iki gruba ayırdı. Bir grup düşük riskli olup, hastaların üçte ikisini oluşturuyor ve tedaviye ihtiyaç duymuyor. Diğer grup ise yüksek riskli olup, hastaların üçte birini oluşturuyor ve acil çapraz bağlama tedavisi gerektiriyor.

İkinci hastane ziyaretinden elde edilen veriler dahil edildiğinde, AI modeli hastaların %90’ını sınıflandırabiliyordu.

Bu, çalışmayı tarama ve hasta verilerinin kombinasyonunu kullanarak keratokonus ilerleme riskini bu kadar yüksek doğrulukla tahmin eden ilk çalışma haline getiriyor, Dr. Balal belirtti. Şöyle ekledi:

“Araştırmamız, AI’yı kullanarak hangi hastaların tedaviye, hangilerinin ise izlemeye devam etmesi gerektiğini tahmin edebileceğimizi gösteriyor.”

Dr. Balal’ın belirttiği gibi, çalışma iki yıl veya daha uzun süre izlenen büyük bir hasta grubunu içeriyordu; sonuçlar, yüksek riskli keratokonus hastalarının durumları ilerlemeden önce önleyici tedavi alabileceğini, böylece görme kaybını önleyebileceğini ve karmaşık kornea nakli cerrahisi ve iyileşme yükünün azaltılabileceğini gösteriyor.

Bu arada, düşük riskli hastalar gereksiz izlemelerden kaçınabilir, bu da sağlık kaynaklarını tasarruf ettirecektir.

“Algoritma tarafından hastaların etkili şekilde sınıflandırılması, uzmanların en çok ihtiyaç duyulan bölgelere yönlendirilmesini sağlayacak.”

– Dr. Balal

Araştırmacılar şu anda milyonlarca göz taraması üzerinde eğitilecek daha güçlü bir AI algoritması geliştirmeye çalışıyor; bu algoritma keratokonus ilerlemesini tahmin etmenin yanı sıra kalıtsal göz hastalıkları ve göz enfeksiyonlarını tespit etmek gibi belirli görevler için özelleştirilebilecek.

AI algoritması “sürekli olarak etkinliğini gösterirse, bu teknoloji nihayetinde genç ve çalışma çağındaki hastalarda görme kaybını ve daha zor yönetim stratejilerini önleyecektir,” diye belirtti, araştırmaya katılmayan Dr. Güell.

Algoritma, klinik ortamda kullanılmadan önce daha fazla güvenlik testine tabi tutulacak.

AI Odaklı Göz Bakımına Yatırım

Alcon AG (ALC ) İsviçre merkezli bir göz bakım şirketidir ve Katarakt, glokom, retinal hastalıklar ve kırma kusurları gibi durumlar için Cerrahi ve Görüş Bakımı aracılığıyla bir dizi göz bakım ürünü araştırır, üretir ve satar.

Alcon AG (ALC )

39,6 milyar dolar piyasa değerine sahip ALC hisseleri şu anda 77,78 dolardan işlem görmekte, YTD %8,81 düşüş ve geçen yıl sonlarında 100 doların üzerindeki zirvesinden yaklaşık %23 aşağıda. Bununla birlikte, hisse başına kazanç (EPS) (TTM) 2,25 ve fiyat/kazanç (P/E) (TTM) 34,41; temettü getirisi ise %0,43.

2025 ikinci çeyrek için Alcon, satışlarda %4 artışla 2,6 milyar dolar elde etti. Çeyrek için seyreltilmiş EPS 0,35 dolar oldu.

Şirket, bu dönemde faaliyetlerinden 889 milyon dolar nakit üretti, 2025’in ilk yarısında ise 681 milyon dolar serbest nakit akışı sağladı. Alcon, hissedarlara 287 milyon dolar geri verdi.

Tryptyr, Systane Pro PF, Precision7, PanOptix Pro, Voyager ve Unity VCS gibi yeni ürünler için “güçlü erken talep” olduğunu belirten CEO David J. Endicott şöyle dedi:

“Henüz erken olmasına rağmen, bu lansmanlar bizi üst satır büyümesini hızlandırmaya, nakit üretmeye ve hissedarlarımıza uzun vadeli değer sunmaya konumlandırıyor.”

Yapay zekâya yatırım hakkında her şeyi öğrenmek için buraya tıklayın.

Alcon AG (ALC) Hisse Senedi Haberleri ve Gelişmeleri

Sonuç

Dünya çapında on milyonlarca insan görme bozukluğu veya körlük riski altında olduğundan, AI’nın hastalık ilerlemesini tahmin etme ve tedavi kararlarını yönlendirme yeteneği, önleyici göz bakımında yeni bir dönemi işaret ediyor. Algoritmalar daha da rafine oldukça, AI klinisyenlerin görmeyi korumalarına, sağlık maliyetlerini azaltmalarına ve yaşam kalitesini artırmalarına yardımcı olma potansiyeline sahiptir.

Görme kaybını hedefleyen yeni gelişmelerin listesi için buraya tıklayın.

Kaynaklar:

<sup>1. Thirunavukarasu, A. J., Mahmood, S., Malem, A., Foster, W. P., Sanghera, R., Hassan, R., Zhou, S., Wong, S. W., Wong, Y. L., Chong, Y. J., Shakeel, A., Chang, Y.-H., Tan, B. K. J., Jain, N., Tan, T. F., Rauz, S., Ting, D. S. W., & Ting, D. S. J. (2024). Büyük dil modelleri, göz hastalıklarında uzman seviyesinde klinik bilgi ve akıl yürütmeye yaklaşıyor: Yüz yüze kesitsel bir çalışma. PLOS Digital Health, (Kayıt Versiyonu), 17 Nisan 2024 tarihinde yayınlandı. https://doi.org/10.1371/journal.pdig.0000341
2. Jan, C. L., Joseph, S., Vingrys, A. J., et al. (2025). Avustralya birincil bakımında otomatik retinal fotoğrafçılık ve AI glokom taraması üzerine prospektif pragmatik deneme. npj Digital Medicine, 8, 386. (Kayıt Versiyonu), 1 Temmuz 2025 tarihinde yayınlandı. Received 9 Mart 2025; accepted 2 Haziran 2025. https://doi.org/10.1038/s41746-025-01768-y
3. Liu, N., Li, L., & Yu, J. (2025). Miyopi önleme ve kontrolünde yapay zekâ uygulaması. Pediatric Investigation, (Kayıt Versiyonu), 18 Mart 2025 tarihinde yayınlandı. https://doi.org/10.1002/ped4.70001</sup</sup>