Keratokonusun progresyonunun saptanmasında yapay zekanın yeri

Keratokonus hastalığının erken tanısı kadar progresyonun önceden bilinmesi, tedavi kararı ve takip aralığının belirlenmesi açısından önemlidir. Bu çalışmada progresyon gösteren ve göstermeyen keratokonus hastalarının tanı aldıkları ilk muayenedeki verilerini yapay zekâ modelleri ile değerlendirerek, progresyon riskini önceden göstermeyi amaçladık. Çalışmamıza Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Göz Hastalıkları Kliniği'nde keratokonus tanısı ile takip edilen 325 hastanın 562 gözü dâhil edildi. Hasta dosyaları geriye dönük olarak incelendi. Keratokonus olguları progresyon gösteren ve göstermeyen olarak iki gruba ayrıldı. Hastaların yaş, cinsiyet, takip süresi, olası risk faktörleri ile ilişkili öyküsü, kanda vitamin B12, folat ve homosistein düzeyleri ile görme keskinliği, göz içi basıncı, refraksiyon, Pentacam ve ORA ölçüm değerleri kaydedildi. Pentacam ve ORA sayısal verilerini makine öğrenme modelleri (XGB, LGBM, AVG Blender, Extra Trees, Rastgele Orman ve Lojistik regresyon) için; Pentacam'deki renk kodlu kornea topografi haritalarının 3 farklı alandaki (tüm, 5 mm ve 3 mm) görsellerini derin öğrenme modelleri (YOLOv8L ve YOLOv8X) için kullandık. Makine öğrenme modelleri içinde en başarılı olan XGB modeli olup, bu modelin ROC/AUC skoru 0.683, doğruluk skoru ise 0.667 idi. Derin öğrenmede YOLOv8L modeli tüm kornea alanının ön elevasyon haritasında eğitimde %76 başarı gösterdi. Üç mm kornea alanında YOLOv8L modelinin arka aksiyal sagittal kurvatür haritasında test başarısı %70, duyarlılığı %74 iken; YOLOv8X modelinin arka tanjansiyel kurvatür haritasında test başarısı %70, duyarlılığı %92 idi. Bu çalışmada keratokonus progresyonunu önceden öngörebilme ve/veya erken saptama konusunda orta düzeyde güvenilirliği olan yapay zekâ model başarısı elde ettik. Sonuç olarak keratokonus progresyonu ile ilgili tekrarlanabilirliği daha yüksek parametreleri içeren, aynı hastaya ait birden fazla görselin eğitimde kullanıldığı, fazla sayıda hasta verisini kapsayan yapay zekâ çalışmaları ile daha yüksek başarı elde edilebilir.