Kornea naklinde alıcı yapay zeka ile belirlenecek

Bilim insanları, nakil süreçlerini hızlandırmak ve başarı oranını artırmak amacıyla yapay zeka destekli sistemler geliştirdi. Bu sistemler, kornea nakli için en uygun alıcıları belirleyerek hem hastaların tedaviye erişimini hızlandırıyor hem de donör korneaların israfını önlüyor.

  2023 yılında ABD'deki Johns Hopkins Üniversitesi’nde yapılan bir çalışma, yapay zekanın alıcı belirlemede geleneksel yöntemlere kıyasla %30 daha hızlı ve %15 daha doğru sonuçlar verdiğini ortaya koydu. Yapay zeka, hastaların tıbbi geçmişlerini, bağışıklık sistemi uyumunu ve kornea durumlarını analiz ederek en uygun alıcıyı seçiyor.
  Almanya’da Heidelberg Üniversitesi tarafından yürütülen bir araştırma, yapay zeka yardımıyla yapılan alıcı seçiminin nakil başarı oranlarını %20 oranında artırdığını gösterdi. Sistem, bağışıklık reddi riskini minimuma indiren eşleştirmeler yaparak nakil sonrası komplikasyonları azaltıyor.
  Yapay zeka sistemleri, donör kornealarının uygun alıcılarla eşleştirilmesi sürecini optimize ediyor. Dünya Sağlık Örgütü’nün (DSÖ) 2024 yılında yayımladığı bir rapor, YZ tabanlı sistemlerin kornea naklinde kullanılmasının bağışlanan korneaların israfını %40 oranında azalttığını ortaya koydu.

Yapay zeka, geniş veri tabanlarını analiz ederek her bir hasta için özelleştirilmiş bir risk ve uyumluluk raporu çıkarıyor. Bu sistem, şu kriterleri göz önünde bulunduruyor:

--Hastanın bağışıklık sistemi durumu

--Kornea hasar derecesi

--Hastanın yaş ve sağlık geçmişi

--Donör ve alıcı arasındaki genetik uyum

Kornea nakli bekleyen hastalar için bekleme süresi, yapay zeka sayesinde önemli ölçüde kısalacak. DSÖ’nün verilerine göre dünya çapında yaklaşık 12 milyon kişi kornea nakli için bekliyor, ancak bağışların sınırlı olması nedeniyle bu hastaların yalnızca %10’u nakil olabiliyor. YZ’nin kullanımıyla bu oranların önemli ölçüde artması bekleniyor.
Araştırmacılar, yapay zeka sistemlerinin daha da geliştirilerek yalnızca alıcı belirlemede değil, aynı zamanda nakil sonrası iyileşme süreçlerinin izlenmesinde de kullanılabileceğini düşünüyor. Örneğin, YZ tabanlı uygulamalar, hastaların iyileşme sürecini izleyerek komplikasyonları önceden tespit edebilir.

(Dilvin Altıkardeş)