0
Telefonla Çekilen Bir Fotoğraf Göz Kanserini Fark Edebilir mi?

Telefonla Çekilen Bir Fotoğraf Göz Kanserini Fark Edebilir mi?

Telefonun Kameranı Bir Tarama Cihazına Dönüştürmek: Yapay Zekâ Destekli Uygulama Göz Yüzeyi Kanserlerini Fotoğraftan Yakaladı

Kaynak: Wang R, Bi S, Lin D, Li M ve ark. "Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial." JAMA Ophthalmology, çevrimiçi 4 Haziran 2026, DOI 10.1001/jamaophthalmol.2026.1609. Sun Yat-sen Üniversitesi, Guangzhou, Çin. ClinicalTrials.gov: NCT05645341. Eşlik eden davetli yorum: JAMA Ophthalmology, aynı sayı. Bu yazı orijinal yayının ve davetli yorumun parafrazına dayanır; doğrudan alıntı içermez.
Cebinizdeki telefon, nadir bir göz kanserini erken yakalayan bir tarama cihazına dönüşebilir mi? Çin'de yürütülen ve JAMA Ophthalmology'de yayımlanan bir klinik çalışma, bunun şaşırtıcı ölçüde mümkün olduğunu gösterdi. CaptureTumor (CaT) adı verilen yapay zekâ destekli akıllı telefon uygulaması, kullanıcıların kendi gözlerinin fotoğraflarını analiz ederek göz yüzeyindeki (pigmente/renkli) kötü huylu lezyonları, neredeyse bir uzman kadar doğrulukla saptadı. Dahası, o güne dek fark edilmemiş çok sayıda kanseri ortaya çıkardı ve hastaları uzman bakımına çok daha hızlı, çok daha az basamakla ulaştıran bir sevk yolu sundu. Bu, "kanser taraması" denince akla gelen klasik hastane-merkezli modeli baştan düşündüren bir yaklaşım: halk eğitimi, yapay zekâ ile triyaj ve uzman sevkini tek bir "kapalı döngü" içinde birleştiren, merkeziyetsiz (decentralized) bir nadir hastalık tarama modeli. Ancak çalışma, vaadi kadar sınırlarını da dürüstçe ortaya koyuyor — ve asıl sorular, bu umut verici kavram kanıtının (proof of concept) gerçek dünyada ölçeklenip ölçeklenemeyeceğinde düğümleniyor.
AUC 0,977
Gerçek dünya taramasında ayırt etme başarısı (duyarlılık %89,3, özgüllük %95,9)
19 yeni tanı
Histopatolojiyle doğrulanan 20 maligniteden 19'u daha önce tanı almamıştı
3,69 → 1,02
Kesin tedaviye ulaşmadan önce gereken ortalama sevk sayısı (P<0,001)
— SORUN: NADİR AMA TEHLİKELİ, VE GEÇ FARK EDİLİYOR —

Göz yüzeyi tümörleri (örneğin konjonktival melanom, oküler yüzey skuamöz neoplazisi) nadir görülür, ama potansiyel olarak hayatı ve görmeyi tehdit eder. Sorun şu: bu tümörler nadir olduğu için hem halk farkında değildir hem de kesin tanı, deneyimli göz hekimleri, patologlar ve özel görüntüleme (yarık lamba/slit-lamp muayenesi) gerektirir. Sonuç olarak hastalar genellikle bir merkezden diğerine yönlendirilir, tanı gecikir ve hastalık ilerleyebilir. İşte bu çalışma, tam da bu "geç ve dolambaçlı tanı yolu" sorununu hedefliyor.

Çalışma neye odaklandı?

CaptureTumor, özellikle pigmente (renkli/melanositik) göz yüzeyi malignitelerinin öz-taramasına odaklanan, akıllı telefon tabanlı bir yapay zekâ sistemidir. Çin genelinde, 6 aylık prospektif (ileriye dönük), randomize olmayan bir klinik çalışmada geliştirildi ve doğrulandı. Amaç, kişinin kendi telefonuyla, evden, ön tarama yapabilmesini sağlamak.

— NASIL ÇALIŞIYOR? "KAPALI DÖNGÜ" MODELİ —

Uygulamanın gücü yalnız yapay zekâ algoritmasında değil; tarama, triyaj ve sevki tek bir akışta birleştiren bütünleşik tasarımında. İşte bu akışın işleyişi.

📱 YAPAY ZEKÂ NASIL EĞİTİLDİ VE NASIL KULLANILDI?

Eğitim: Derin öğrenme (deep learning) modeli, uzmanların 12 yıl boyunca çektiği yarık lamba (slit-lamp) görüntüleriyle eğitildi. Ardından, uygulamanın çerçeveleme, odak ve pozlama kontrollerini geçen akıllı telefon fotoğraflarıyla ince ayar (fine-tuning) yapıldı — yani model, "profesyonel görüntü"den "telefon görüntüsü"ne uyarlandı.

Kullanım: Uygulama, Çin'de yaygın kullanılan WeChat platformunda bir "mini-program" olarak sunuldu. Kullanıcıya gerçek zamanlı fotoğraf çekim rehberi sağladı, otomatik görüntü kalite kontrolü yaptı, görüntüleri bulutta işledi, klinisyenlerin yüklemeleri 24 saat içinde gözden geçirmesini sağladı ve yüksek riskli vakaları uzman merkezlere yönlendirdi.

Şema — "Kapalı Döngü" Tarama Modeli
Halk eğitimi → AI rehberli fotoğraf → kalite kontrolü → klinisyen onayı → uzman sevki.
📣 Halk eğitimi 📱 AI foto rehberi ☁️ Bulutta analiz 👨‍⚕️ 24s klinisyen 🏥 Uzman sevk
Modelin yeniliği, tek bir adımda değil, tüm bu zincirin tek bir uygulama içinde kesintisiz birleştirilmesinde — davetli yorumun "kapalı döngü" diye nitelediği yapı budur.
— ÇALIŞMA TASARIMI VE KATILIMCILAR —

METODOLOJİ — TEMEL NOKTALAR

  • Tasarım: Çin genelinde, randomize olmayan klinik çalışma (NCT05645341); akıllı telefon uygulamasının geliştirilmesi ve doğrulanması.
  • Katılımcılar: Aralık 2022 – Haziran 2023 arası, 4-87 yaş (medyan 46), %49 kadın olmak üzere 614 katılımcı; televizyon, sosyal medya ve internet hastaneleri üzerinden ulaşıldı. Nihai analiz 535 katılımcıdan 805 görüntüyü içerdi.
  • Referans (altın standart): Göz hekimleri her görüntüyü etiketledi; mümkün olduğunda histopatoloji, değilse klinik tanı veya teletıp kullanıldı.
  • Birincil sonlanım: Kötü huylu lezyonları iyi huylulardan ayırt etmede ROC eğrisi altında kalan alan (AUC).
— SONUÇLAR: NE KADAR İYİ AYIRT ETTİ? —

Uygulamanın performansı, farklı koşullarda farklı AUC değerleriyle ölçüldü. AUC, 1,0'a ne kadar yakınsa ayırt etme gücü o kadar yüksek demektir; 0,9 üzeri genellikle "mükemmele yakın" kabul edilir.

Grafik — Farklı Koşullarda Ayırt Etme Başarısı (AUC)
Kötü huylu vs iyi huylu lezyon ayrımı. 1,0'a yakınlık daha iyidir.
0,977 Gerçek dünya tarama 0,945 Uzman slit-lamp görüntüleri 0,905 Uygulama içi rehberli foto
Üç koşulda da AUC 0,9'un üzerinde. Beklendiği gibi, kullanıcıların kendi çektiği rehberli fotoğraflarda (0,905) performans, uzman görüntülerine (0,945) kıyasla biraz düştü — ama yine de yüksek kaldı. Not: Eksen 0,8-1,0 aralığında ölçeklenmiştir.
%89,3
Duyarlılık (sensitivite) — gerçek dünya taraması
%95,9
Özgüllük (spesifite) — gerçek dünya taraması
58 sevk
Uygulamanın yönlendirdiği toplam sevk sayısı
— EN ÇARPICI BULGU: GERÇEK KANSERLERİ YAKALADI —

Bir tarama testinin asıl değeri, "kâğıt üzerindeki" doğruluğundan çok, gerçek hayatta gerçek kanserleri yakalayıp yakalamadığıdır. Bu çalışmanın en güçlü yanı da burada.

GERÇEK DÜNYA ETKİSİ

  • Uygulama 58 sevk başlattı; bunlardan 20 malignite histopatolojiyle doğrulandı.
  • Bu 20 kanserin 19'u daha önce tanı almamış (yeni) vakalardı — yani uygulama olmasaydı atlanabilecek kanserler.
  • Hiçbiri gözün veya çevresindeki orbital dokunun çıkarılmasını gerektirmedi — yani erken yakalandılar.
  • Sevk yolu kısaldı: Uygulama öncesi kesin tedaviye ulaşmak için ortalama 3,69 sevk gerekirken, uygulama üzerinden bu sayı 1,02'ye düştü (P<0,001).
  • Uygulama, merkez başına saptanan vaka sayısında beş kat artış öngördü (yılda merkez başına ~8'den ~40'a) — ancak bu projeksiyon doğrulanmayı gerektiriyor.
"Erken yakalama" neden bu kadar önemli?

Göz yüzeyi kanserlerinde erken tanı, yalnız sağkalımı değil, gözün ve görmenin korunmasını da belirler. Geç kalındığında tedavi, gözün ya da çevre dokunun çıkarılmasına (egzenterasyon gibi) kadar gidebilir. Bu çalışmada doğrulanan kanserlerin hiçbirinin böyle radikal cerrahi gerektirmemesi, erken yakalamanın somut faydasını gösteriyor.

— SINIRLILIKLAR: ÇERÇEVEYİ DÜRÜST ÇİZMEK —

Bu kadar etkileyici sonuçlara rağmen, çalışmanın sınırları açıkça ortada ve sonuçları yorumlarken bunlar göz ardı edilmemeli. Hem yazarlar hem de eşlik eden davetli yorum bu noktalara dikkat çekiyor.

Temel sınırlılıklar

(1) Genellenebilirlik: Çalışma neredeyse tamamen Çinli bir popülasyonda yapıldı; Çinli olmayan bireylerin sayısı çok azdı. Farklı etnik kökenler, farklı göz/iris pigmentasyonu ve farklı sağlık sistemlerinde performans ayrıca doğrulanmalı. (2) Yaşlıları dışlama riski: Akıllı telefon temelli tarama, teknolojiye erişimi veya aşinalığı sınırlı yaşlı bireyleri dışarıda bırakabilir; yaş-dostu tasarımlar gerekebilir. (3) Kısa dönem: Yalnız kısa dönem tarama sonuçları bildirildi; uzun dönem etki bilinmiyor. (4) Projeksiyon ≠ kanıt: "Beş kat artış" bir öngörüdür, doğrulanmış bir sonuç değil. (5) Kim kullanıyor? Davetli yorumun vurguladığı gibi, bir toplulukta bu teknolojiyle kimin etkileşime girdiği (sağlık okuryazarlığı, dijital erişim) sonucu büyük ölçüde etkiler.

— DAHA GENİŞ ANLAM: NADİR HASTALIK TARAMASINDA YENİ BİR MODEL —

Bu çalışmanın asıl önemi, tek bir uygulamanın başarısının ötesinde. Davetli yorumun belirttiği gibi, bu "kapalı döngü" modeli — halk eğitimini, yapay zekâ ile triyajı ve uzman sevkini birleştiren yapı — merkeziyetsiz (decentralized) nadir hastalık taraması için ikna edici bir kavram kanıtı sunuyor. Yani mesele yalnız göz kanseri değil; nadir görülen, uzmanlık gerektiren ve geç tanı alan birçok hastalık için benzer bir modelin kurulabileceğine işaret ediyor. Ama yorumun isabetle özetlediği gibi, bu aracın geleceği üç temel soruya bağlı: model küresel olarak çeşitli hasta popülasyonlarına ne kadar genellenebilir; bir toplulukta teknolojiyle kim etkileşime giriyor; ve manşetlere çıkan performans rakamları, büyük ölçekli otonom kullanımda ne kadar güvenilir biçimde korunuyor.

⚡ DROZDOGAN AKADEMİ — BU GELİŞMEYİ NASIL OKUMALI?
⚡ NEDEN ÖNEMLİ?

Bu çalışma, yapay zekânın onkolojide en somut faydalarından birini gösteriyor: tarama ve erken tanıyı hastaneden çıkarıp insanların cebine taşımak. Nadir, uzmanlık gerektiren ve sık geç kalınan bir kanserde, sıradan bir akıllı telefonla uzman düzeyine yakın doğruluk elde edilmesi ve 19 yeni kanserin yakalanması, "merkeziyetsiz tarama" fikrinin gerçek bir kavram kanıtı. Sevk yolunun 3,69'dan 1,02'ye inmesi de hasta açısından doğrudan bir kazanım.

✅ GÜÇLÜ YÖNLER

Prospektif, ülke çapında bir çalışma; histopatoloji ile doğrulanmış gerçek kanserler; yüksek AUC değerleri (gerçek dünyada 0,977); ve en önemlisi, bir "kapalı döngü" tasarımı — yalnız algoritma değil, fotoğraf rehberi, kalite kontrolü, klinisyen onayı ve sevki birleştiren bütünleşik bir sistem. Gerçek dünyada yakalanan kanserlerin hiçbirinin göz/orbita çıkarımı gerektirmemesi, erken tanının somut faydasını gösteriyor.

⚠️ SINIRLILIKLAR VE DİKKAT

Çalışma neredeyse tamamen Çin popülasyonunda; küresel genellenebilirlik kanıtlanmadı. Akıllı telefon temelli yaklaşım yaşlıları ve dijital erişimi sınırlı grupları dışlayabilir. Yalnız kısa dönem sonuçlar var. "Beş kat artış" doğrulanmamış bir projeksiyon. Randomize değil. Ayrıca özellikle pigmente lezyonlara odaklı — tüm göz yüzeyi tümörlerini kapsadığı varsayılmamalı. Otonom (klinisyen onayı olmadan) kullanımda performansın korunup korunmayacağı belirsiz.

🩺 PRATİĞE YANSIMA

Bu, bugün rutin kullanıma giren bir araç değil; bir araştırma sistemidir ve şu an Çin bağlamında geliştirilmiştir. Yine de gösterdiği model — AI rehberli öz-tarama + uzaktan uzman triyajı — özellikle uzmana erişimin sınırlı olduğu bölgelerde nadir kanserlerin erken yakalanması için güçlü bir gelecek vaadi. Türkiye gibi ülkelerde benzer modeller, ancak yerel doğrulama, etik/regülasyon onayı ve sağlık sistemine entegrasyonla düşünülebilir.

❓ GELECEK SORULARI

Model farklı etnik kökenlerde ve sağlık sistemlerinde aynı performansı gösterecek mi? Otonom kullanımda (klinisyen onayı olmadan) güvenilir kalır mı? "Beş kat artış" projeksiyonu gerçek dünyada doğrulanacak mı? Yaşlı ve dijital erişimi sınırlı gruplar için nasıl uyarlanacak? Bu kapalı döngü modeli, başka nadir kanserlere (cilt, ağız içi vb.) taşınabilir mi?

🗣️ Hastaya ve halka nasıl anlatmalı?

"Çin'de geliştirilen bir akıllı telefon uygulaması, gözün yüzeyindeki nadir bir kanser türünü, kullanıcının çektiği fotoğraflardan uzman doğruluğuna yakın bir başarıyla saptayabildi ve daha önce fark edilmemiş 19 kanseri ortaya çıkardı. Bu çok umut verici bir gelişme; ancak şu an bir araştırma çalışmasıdır, henüz rutin kullanıma girmiş bir tarama yöntemi değildir ve çoğunlukla Çin'de test edilmiştir. Gözünüzde renk değişikliği, büyüyen bir leke, kanama veya iyileşmeyen bir lezyon fark ederseniz, bir uygulamaya değil, doğrudan bir göz hekimine başvurmanız gerekir."

— SONUÇ —

CaptureTumor çalışması, yapay zekânın kanser taramasında oynayabileceği rolün heyecan verici bir örneği: pahalı ekipman ve uzman erişimi gerektiren bir tanı sürecini, sıradan bir telefon kamerasıyla halkın eline veren bir model. Yüksek doğruluk, gerçek kanserlerin yakalanması ve sevk yolunun belirgin kısalması, bu yaklaşımın potansiyelini gösteriyor. Ama aynı çalışma, teknoloji-temelli sağlık çözümlerinin klasik sorularını da hatırlatıyor: kime ulaşıyor, kimi dışarıda bırakıyor, ve laboratuvar başarısı gerçek dünyaya ne kadar taşınıyor? Bu nedenle en doğru okuma, ne abartılı bir "telefon kanseri teşhis ediyor" manşeti, ne de küçümseyici bir kayıtsızlık; bu, merkeziyetsiz nadir hastalık taraması için ümit verici ama henüz olgunlaşmamış bir kavram kanıtıdır. Asıl sınav, bu modelin farklı toplumlarda, farklı insanlarda ve büyük ölçekte aynı vaadi koruyup koruyamayacağında verilecek.

Kaynaklar

  1. Wang R, Bi S, Lin D, Li M, ve ark. Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial. JAMA Ophthalmology, çevrimiçi 4 Haziran 2026. DOI: 10.1001/jamaophthalmol.2026.1609.
  2. Davetli yorum (Invited Commentary). Mobile-Based Artificial Intelligence and Ocular Surface Malignancies. JAMA Ophthalmology, aynı sayı, 2026. (CaT'in "kapalı döngü" modeli, genellenebilirlik ve ölçekleme soruları.)
  3. ClinicalTrials.gov. Artificial Intelligence-assisted Screening of Malignant Pigmented Tumors on the Ocular Surface. NCT05645341 (prospektif kohort, n=535).
  4. JAMA Ophthalmology / Sun Yat-sen Üniversitesi. CaptureTumor (CaT) sistemi: derin öğrenme + WeChat mini-program; AUC slit-lamp 0,945, gerçek dünya 0,977 (duyarlılık %89,3, özgüllük %95,9), uygulama-içi rehberli 0,905.
  5. İlgili literatür (bağlam): AI in Ocular Surface Tumors: Current Advances, Challenges, and Future Directions. Diagnostics 2026;16(7):1103. (OSSN, konjonktival melanom, lenfoma tanımları ve AI tarama bağlamı.)

Bu yazı tıbbi haber/derleme ve bilgilendirme amaçlıdır; bireysel tıbbi tavsiye veya tanı aracı değildir. Söz konusu çalışma, randomize olmayan, çoğunlukla Çin popülasyonunda yürütülmüş ve kısa dönem sonuçları bildiren bir klinik araştırmadır; sonuçlar farklı etnik kökenler, sağlık sistemleri ve büyük ölçekli otonom kullanım için ayrıca doğrulanmayı gerektirir. "Merkez başına beş kat artış" bir projeksiyondur, doğrulanmış bir sonuç değildir. CaptureTumor şu anda rutin klinik kullanıma girmiş, ruhsatlı bir tarama aracı değil, bir araştırma sistemidir; Türkiye dahil herhangi bir ülkede genel tarama için önerilmeden önce yerel doğrulama, etik ve regülasyon değerlendirmesi gereklidir. Gözde renk değişikliği, büyüyen lezyon, kanama veya iyileşmeyen yara gibi belirtileri olan kişiler bir uygulamaya değil, doğrudan bir göz hekimine başvurmalıdır. Bu yazı, JAMA Ophthalmology'deki orijinal yayının ve davetli yorumun parafrazına dayanır; kaynaklardan doğrudan alıntı içermez. Yapay zekâ destekli tıbbi tarama hızla evrilen bir alandır; aktarılan veriler yazının hazırlandığı tarih itibarıyladır.

Sağlık ve Mutlulukla Kalın...

Sayfada yer alan yazılar sadece bilgilendirme amaçlıdır, tanı ve tedavi için mutlaka doktorunuza başvurunuz.

İlgili Haberleri


Yapay Zeka Çağında MikroRNA'lar ile Kanser Tedavisine Ne Kadar Yakınız?

Yapay Zeka Çağında MikroRNA'lar ile Kanser Tedavisine Ne Kadar Yakınız?

Yapay Zeka Çağında Onkolojinin Sessiz Devrimcileri: MikroRNA'lar Ana kaynak: Jurj...

Kanser Nörobilimi: Tümörlerle Sinir Sistemi Arasındaki Gizli Ağ

Kanser Nörobilimi: Tümörlerle Sinir Sistemi Arasındaki Gizli Ağ

Kaynak: Winkler F, Heuer S, Althammer F, et al. Cancer...

GSK’nın Over ve Rahim Kanseri İlacı Mo-Rez, BEHOLD-1 Verileriyle Dikkat Çekti

GSK’nın Over ve Rahim Kanseri İlacı Mo-Rez, BEHOLD-1 Verileriyle Dikkat Çekti

ADC Teknolojisinin Yeni Yıldızı Mo-Rez: Dirençli Over ve Rahim Kanserinde...

Kanserde Yedek Jeneratör Keşfi: Akıllı İlaçlara Karşı Hücresel İsyanın Şifresini Çözüldü

Kanserde Yedek Jeneratör Keşfi: Akıllı İlaçlara Karşı Hücresel İsyanın Şifresini Çözüldü

PNAS Analizi • Mart 2026 Yayını Tirozin kinaz inhibitörlerine (TKI)...

Hakkımda

Özgeçmişim, kanser tanı ve tedavisine dair çalışmalarım ve ilgi alanlarım için tıklayın.

Prof. Dr. Mustafa Özdoğan Hakkında