Retina fotoğrafını anneye ait klinik bilgiler ve kan basıncıyla birleştiren bir yapay zekâ modeli, gebelikte daha sonra gelişebilecek preeklampsinin öngörülmesine yardımcı olabilir. 8.616 gebenin verilerinin kullanıldığı araştırmada modelin ayırt etme performansı değerlendirildi. Ancak yöntemin gebelik takibini iyileştirdiği veya anne-bebek sağlığına katkı sağladığı henüz gösterilmedi.

Retina-PE adı verilen modele ilişkin çalışma, 17 Kasım 2026’da npj Digital Medicine dergisinde yayımlandı.

Preeklampsi neden önemli?

Preeklampsi, genellikle gebeliğin 20. haftasından sonra ortaya çıkan, yüksek tansiyonla seyreden ve anne ile bebek açısından ciddi komplikasyonlara yol açabilen bir durum. Dünya Sağlık Örgütüne göre dünya genelinde doğum yapan kadınların yaklaşık yüzde 3–8’ini etkiliyor.

Düzenli gebelik kontrolleri, kan basıncı ölçümleri ve gerekli laboratuvar incelemeleri hastalığın değerlendirilmesinde önem taşıyor. Yeni çalışma, gözün arka bölümündeki retina tabakasının görüntüsünden elde edilen bilgilerin risk tahminine katkısını araştırıyor.

Göz fotoğrafı tek başına kullanılmadı

Retina-PE, yalnızca retina fotoğrafından sonuç üreten bir sistem değil. Model, görüntüleri anneye ait klinik faktörler ve kan basıncını özetleyen ortalama arter basıncıyla birlikte değerlendiriyor.

Araştırmada birden fazla merkezde ileriye dönük toplanan veriler kullanıldı. Buna karşılık modelin geliştirilmesi ve değerlendirilmesi geriye dönük olarak gerçekleştirildi.

Bu nedenle çalışma, modelin günlük uygulamada hekimlere sunulduğu ve sonuçlarına göre verilen kararların izlendiği bir klinik uygulama araştırması olarak değerlendirilmemeli.

Dış doğrulamada hangi sonuçlar elde edildi?

Model, geliştirilmesinde kullanılan verilerden ayrı bir dış doğrulama veri kümesinde sınandı. Görüntü düzeyindeki analizlerde, sonraki preeklampsi gelişimini ayırt etme performansı 24–28. gebelik haftalarındaki değerlendirmede 0,728 AUC, 28–32. haftalardaki değerlendirmede ise 0,815 AUC olarak bildirildi.

Dört hafta içinde gelişen preterm preeklampsiye yönelik tahminde dış doğrulama AUC değeri 0,801 oldu.

Bu değerler farklı değerlendirme zamanlarına ve tahmin hedeflerine ait. Tek başlarına, testi daha geç yapmanın her gebe için daha yararlı olduğu sonucunu vermiyor.

AUC, doğru tanı konulan kişilerin yüzdesi değil

AUC, modelin hastalık gelişenlerle gelişmeyenleri ayırt etme gücünü özetleyen bir ölçü. 0,5 rastlantısal ayırıma, 1 ise kusursuz ayırıma karşılık geliyor.

Dolayısıyla 0,815 AUC, “gebelerin yüzde 81,5’ine doğru tanı konuldu” anlamına gelmiyor. Bu değer, bir kişinin preeklampsi geliştirme olasılığını da doğrudan ifade etmiyor. Kaç vakanın gözden kaçacağı ve kaç kişiye yanlış alarm verileceği, kullanılan karar eşiği gibi ek unsurlara bağlı.

Ayrıca bildirilen temel sonuçlar görüntü düzeyindeki analizlerden elde edildi. Bunları doğrudan 8.616 ayrı kişinin klinik değerlendirme başarısı olarak yorumlamak doğru değil. Hasta düzeyindeki analizlerde benzer örüntüler görülse de bazı tahmin hedeflerinde olay sayısının düşük olması, sonuçların kesinliğini sınırlıyor.

Retina görüntüsünün ek katkısı değişti

Retina fotoğrafının klinik bilgilere ve kan basıncına eklenmesiyle sağlanan katkı, tahmin edilen sonuca göre farklılık gösterdi. Bulgular, görüntü eklemenin bütün tahminlerde aynı ölçüde iyileşme sağladığı anlamına gelmiyor.

Saç dökülmesi için geliştirilen elektronik tarak, farelerde tüylerin yeniden çıkmasını sağladı
Saç dökülmesi için geliştirilen elektronik tarak, farelerde tüylerin yeniden çıkmasını sağladı
İçeriği Görüntüle

Yöntemin klinikteki yerini belirlemek için ileriye dönük uygulama çalışmalarına ihtiyaç var. Bu çalışmaların, modelin hekim kararlarını ve anne-bebek sonuçlarını iyileştirip iyileştirmediğini değerlendirmesi gerekiyor.

Mevcut araştırma, retina fotoğrafının rutin gebelik kontrollerinin yerine kullanılmasını veya model sonucuna dayanarak takip ve tedavi kararlarının değiştirilmesini desteklemiyor.

KAYNAKLAR

1. Zhou T, Feng W, Liu H ve arkadaşları. Deep learning retinal vascular biomarker predicts preeclampsia in a multicenter prospective cohort. npj Digital Medicine. 17 Kasım 2026. DOI: 10.1038/s41746-026-03463-y.
2. Dünya Sağlık Örgütü. Pre-eclampsia. Bilgi notu. 6 Ekim 2026.