İngiltere'de diyabetik göz taramasında kullanılacak yapay zekâ sistemlerinin karşılaması gereken şartlar ilk kez ortak bir çerçevede toplandı. The Lancet Digital Health'te yayımlanan çalışma, yüksek doğruluk oranının tek başına yeterli olmadığını; güvenlik, veri yönetimi, siber güvenlik ve maliyetin de en az doğruluk kadar önemli olduğunu ortaya koyuyor.
Çalışmada ne yapıldı?
Birmingham Üniversitesi öncülüğünde yürütülen ve 7 Ekim 2026'da duyurulan çalışma, The Lancet Digital Health dergisinde "İngiltere'de diyabetik göz taramasında yapay zekâ için hedef ürün profili geliştirilmesi" başlığıyla yayımlandı. "Hedef ürün profili", bir sağlık teknolojisinin kullanıma alınmadan önce neleri kanıtlaması gerektiğini sıralayan bir şartname gibi düşünülebilir. Çalışmanın amacı, İngiltere'nin ulusal diyabetik göz tarama programında kullanılacak yapay zekâ sistemleri için böyle bir şartname oluşturmaktı.
Araştırmacılar bunun için "değiştirilmiş Delphi" adı verilen bir uzlaşı yöntemi kullandı. Bu yöntemde farklı paydaşların görüşleri anketler, görüşmeler ve toplantılar aracılığıyla adım adım toplanıyor ve önceden belirlenmiş bir uzlaşı eşiğini geçen maddeler son metne alınıyor. Sürece diyabetli bireyler, sağlık çalışanları, sağlık yöneticileri, düzenleyici kurumlar, politika yapıcılar ve yapay zekâ geliştiricileri katıldı. Çalışma, Ulusal Sağlık Araştırmaları Enstitüsü'nün (NIHR) Birmingham Biyomedikal Araştırma Merkezi tarafından desteklendi.
Sonuçta 35 maddelik bir gereksinim listesi ortaya çıktı. Bu maddeler klinik performans, hasta güvenliği, yasal düzenlemeler, veri yönetimi, siber güvenlik, çevresel sürdürülebilirlik, maliyet etkinliği ve NHS'in mevcut sistemleriyle uyum gibi başlıkları kapsıyor. Paydaşların yapay zekâ için öngördüğü rol de netleşti: Sistem, retina fotoğraflarını ilk elden değerlendiren bir ön tarayıcı olarak çalışacak ve uzman değerlendiricilerin incelemesi gereken görüntüleri işaretleyecek.
Çalışmanın baş yazarı Dr. Trystan Macdonald, güçlü teknik performansın tek başına bir ürünün rutin kullanıma uygun olduğunu garanti etmediğini söyledi. Birmingham Üniversitesi'nden Prof. Alastair Denniston da başarılı bir uygulamanın, yüksek tanısal doğruluğu göstermekten çok daha fazlasını gerektirdiğini vurguladı. NHS England'da tarama programlarından sorumlu Dr. Kevin Dunbar ise diyabetik göz taramasına talep arttıkça yapay zekânın daha fazla kişinin görmesini korumaya yardımcı olabileceğini belirtti.
Bu çerçeve neden gerekli?
Diyabetik retinopati, kandaki yüksek şekerin retinadaki küçük damarlara zarar vermesiyle ortaya çıkıyor ve erken evrelerde çoğu zaman belirti vermiyor. Bu nedenle diyabetli kişilerin düzenli aralıklarla göz dibi fotoğrafı çekilerek taranması, görme kaybını önlemenin en etkili yollarından biri kabul ediliyor. İngiltere'deki ulusal program yaklaşık 4 milyon diyabetli kişiye hizmet veriyor ve çekilen görüntüler bugün büyük ölçüde eğitimli insan değerlendiriciler tarafından inceleniyor. Diyabet sıklığı arttıkça bu iş yükü de büyüyor.
Yapay zekâ sistemleri, araştırmalarda retina fotoğraflarından diyabetik retinopatiyi yüksek doğrulukla saptayabildiğini defalarca gösterdi. Ancak bir algoritmanın laboratuvar koşullarında iyi sonuç vermesi, farklı kameralar, farklı hasta grupları ve yoğun bir tarama programının gerçek koşullarında da aynı şekilde çalışacağı anlamına gelmiyor. Hasta verilerinin nasıl saklandığı, sistemin siber saldırılara karşı ne kadar dayanıklı olduğu, hatalı bir sonuçta kimin sorumlu olacağı ve tüm bunların kamuya maliyeti, satın alma kararlarında en az doğruluk kadar belirleyici. Yeni çerçeve, NHS'in yapay zekâ hizmetlerini satın alırken bu soruları sistematik biçimde sormasına yardımcı olacak bir yol haritası olarak tanımlanıyor.
"Ön tarayıcı" rolünün pratikteki anlamı da önemli. Bu modelde yapay zekâ, tek başına tanı koyan ya da tedavi kararı veren bir sistem olarak değil, görüntüleri ayıklayan bir yardımcı olarak düşünülüyor. Belirgin bir sorun görülmeyen görüntüler ile uzman gözüyle incelenmesi gerekenler birbirinden ayrılıyor; son kararda insan değerlendiricilerin ve göz hekimlerinin rolü sürüyor. Bu yaklaşım, iş yükünü hafifletirken hastalığın atlanma riskini en aza indirmeyi hedefliyor. Ancak bunun için sistemin, özellikle hastalığı kaçırma oranı açısından gerçek hayatta yakından izlenmesi gerekiyor.
Araştırmacılara göre bu, Birleşik Krallık pazarındaki bir yapay zekâ cihazı için hazırlanan türünün ilk belgesi ve yöntemi başka kullanım alanları için de şablon olabilir. Türkiye'deki okur açısından bakıldığında, diyabet ülkemizde de yaygın bir hastalık ve göz dibi taramasında yapay zekâ kullanımı dünyada hızla yayılıyor. Bu tür sistemlerin hangi ölçütlerle değerlendirileceğine dair açık ve kamuya açık çerçeveler, ileride benzer teknolojilerin farklı sağlık sistemlerine alınmasında da yol gösterici olabilir.
Göz sağlığı alanında yapay zekâ tartışması uzun süre "algoritma ne kadar doğru?" sorusu etrafında döndü. Bu çalışma, gerçek bir tarama programına girmek için güvenlik, veri koruma, maliyet ve mevcut sistemlerle uyumun da kanıtlanması gerektiğini, hasta ve uzman görüşleriyle oluşturulmuş somut bir listeye dönüştürüyor.
Bu çalışma bir değerlendirme çerçevesidir; herhangi bir yapay zekâ ürününün satın alındığını ya da kullanılmaya başlandığını göstermez ve tek tek ürünlerin gerçek kullanımda ayrıca test edilmesi gerekir. Çerçeve İngiltere'nin tarama programı için hazırlanmıştır. Diyabetiniz varsa göz dibi muayenenizin hangi aralıklarla yapılması gerektiğini göz hekiminize danışın.
Kaynak: University of Birmingham – Research shapes NHS buying of AI tools for eye screening · The Lancet Digital Health – Development of a target product profile for artificial intelligence in diabetic eye screening in England