Yapay zeka retina görüntüleriyle yaş tahmini yapıyor

Güney Koreli bilim insanları, retina görüntülerini inceleyerek kişinin yaşını yüksek doğrulukla tahmin edebilen bir yapay zeka modeli geliştirdi. Çalışma, retina yaşının genel sağlık durumu ve bazı kronik hastalıklarla bağlantılı olabileceğini gösteriyor.

Güney Kore'de bulunan Seul Ulusal Üniversitesi ve Seul Ulusal Üniversitesi Hastanesi'nden araştırmacılar, gözün arka kısmında yer alan retina görüntülerini analiz eden yeni bir yapay zeka modeli geliştirdi. GeroScience dergisinde yayımlanan çalışma, 7 bin 535 katılımcıdan elde edilen 29 bin 530 görüntü üzerinden gerçekleştirildi.

Geliştirilen model, bireylerin kronolojik yaşını ortalama 2,53 ile 2,66 yıllık bir hata payı ile tahmin etmeyi başardı. Araştırmacılar, yapay zekanın hesapladığı "retina yaşı" ile kişinin gerçek yaşı arasındaki farka odaklanarak, bu farkın çeşitli sağlık sorunlarıyla bağlantısını inceledi. Elde edilen bulgulara göre, diyabet hastalarının retinaları, aynı yaş grubundaki sağlıklı bireylere kıyasla ortalama 2,52 yıl daha yaşlı olarak tespit edildi.

Çalışmada ayrıca sigara kullanımının da retina yaşını artırdığı gözlemlendi. Aktif sigara içenlerde retina yaş farkı yaklaşık yarım yıl daha yüksek çıkarken, sigarayı bırakmış kişilerde bu fark 0,46 yıl olarak ölçüldü. Göz hastalıkları özelinde ise katarakt bulunan gözlerin 1,86 yıl, yaşa bağlı makula dejenerasyonu olanların ise yaklaşık 0,60 yıl daha yaşlı göründüğü belirlendi. Öte yandan, hipertansiyon ve yüksek kolesterol ile retina yaşı arasında anlamlı bir ilişki saptanmadı.

Retina, vücutta hem damar hem de sinir dokusunun doğrudan görüntülenebildiği nadir bölgelerden biri olması nedeniyle bilim dünyasında büyük önem taşıyor. Uzmanlar, bu yöntemin gelecekte kalp-damar ve nörolojik hastalıkların takibinde kullanılabileceğini öngörüyor.

Ancak araştırmacılar, bu modelin henüz kesin bir "biyolojik yaş testi" olarak kabul edilmemesi gerektiği konusunda uyarıyor. Yöntemin bireysel sağlık riski tahmininden ziyade, geniş toplum gruplarındaki yaşlanma süreçlerini incelemek için bir araç olarak değerlendirilmesi gerektiği vurgulanıyor. Sistemin doğruluğunun kanıtlanması için uzun dönemli çalışmaların ve farklı yaşlanma göstergeleriyle karşılaştırmaların yapılması gerektiği ifade ediliyor.

1 kaynak ve 6 yapılandırılmış olgu üzerinden hazırlanmış editoryal doğrulama özeti.

Yapay zekâ gözlerden yaş tahmini yaptı: Hata payı 2,5 yıla kadar düştü!