- Katılım
- 13 Ocak 2026
- Mesajlar
- 265
- Tepkime puanı
- 102
- Puan
- 43
Merhaba arkadaşlar, yapay zekânın sağlık alanındaki kullanımına bu kez basit bir yüz fotoğrafı üzerinden bakıyoruz. Mass General Brigham araştırmacıları, yüz görüntülerinden biyolojik yaş ve kanser hastalarının sağkalım sonuçlarıyla ilişkili göstergeler çıkaran iki araç geliştirdiklerini açıkladı. Çalışma, bir fotoğraftan kesin teşhis koyan veya bir kişinin ne zaman hayatını kaybedeceğini söyleyen bir sistem sunmuyor. Ama tedavi öncesi değerlendirmeyi daha ölçülebilir hâle getirme hedefi açısından dikkat çekici.
Aynı temelden çıkan iki farklı araç
Ekibin FAHR-Face adını verdiği temel model, kurumun açıklamasına göre 40 milyondan fazla yüz görüntüsüyle eğitildi. Bu altyapıdan FAHR-FaceAge ve FAHR-FaceSurvival geliştirildi. İlki biyolojik yaşla ilgili bir tahmin üretiyor; ikincisi kanser hastalarında sağkalım sonuçlarını doğrudan yüz fotoğrafından tahmin etmeyi amaçlıyor. Model geliştirme ve doğrulama çalışması Lancet Digital Health dergisinde yayımlandı.
Takvim yaşı, doğum tarihimizden hesaplanan süre. Biyolojik yaş ise burada modelin fizyolojik yaşlanmaya ilişkin ürettiği gösterge olarak kullanılıyor. Dolayısıyla modelin verdiği sayı, kişinin nüfus kaydındaki yaşının alternatifi değil. Araştırmanın konusu, bu tahminle gerçek yaş arasındaki farkın sağlık sonuçlarıyla nasıl ilişkilendiği.
Solda FaceSurvival, sağda FaceAge tahminlerinde etkili yüz bölgeleri gösteriliyor; sarı alanlar daha yüksek etkiyi temsil ediyor. Görsel kaynağı: Mass General Brigham.
İki tahmin aynı şeyi ölçmüyor
Araştırmacılara göre araçların tahminleri birbiriyle yalnızca zayıf düzeyde ilişkili. Birlikte analiz edildiklerinde de her ikisinin sağkalımla bağımsız ilişkisi korunuyor. İki ölçümün birleştirilmesi, kanser hastalarından oluşan dış doğrulama grubunda sağkalım modelinin uyumunu iyileştirmiş. Bu bulgu, aynı fotoğraftan farklı bilgiler çıkarılabileceğini düşündürüyor; herkese uygulanabilecek kesin bir sonuç anlamına gelmiyor.
Modellerin önem verdiği bölgeler de farklı. FaceAge, burun ile ağız çevresindeki nazolabial kıvrımlar, göz çukurlarının üzerindeki alın bölgesi ve şakaklardan yararlanıyor. FaceSurvival için göz altları ve burun köprüsünün çevresi öne çıkıyor. Görseldeki renkli alanları bir hastalık haritası gibi okumamak gerekiyor; bunlar algoritmanın tahmininde hangi bölgelerin daha etkili olduğunu anlatıyor.
Fotoğraf koşulları neden önemli?
Bir yüz fotoğrafı ışık, poz, mimik ve makyajla değişebilir. Ekip, FaceAge'in test edilen yaygın fotoğraf değişimlerinde tutarlı sonuçlar verdiğini bildiriyor. İncelenen estetik işlemlerin çoğunda da tahminler kararlı kalmış; burun estetiğinden sonra küçük bir değişim görülmüş. Bu, sistemin gündelik görüntü farklılıklarına dayanıklılığı açısından olumlu bir araştırma sonucu.
Bununla birlikte “testlerde tutarlı” ifadesini “her fotoğrafta hatasız” şeklinde çeviremeyiz. Örneğin aynı kişinin farklı ışıkta çekilmiş görüntülerinde benzer bir tahmin almak, o tahminin tek başına tedavi kararını belirlemesi gerektiğini göstermez. Görüntü koşullarına dayanıklılık ile klinik karar vermeye uygunluk ayrı değerlendirme başlıkları.
Hedef, hekim değerlendirmesini desteklemek
Çalışmanın sorumlu yazarlarından Raymond Mak, radyoterapi, ameliyat veya sistemik tedavi öncesinde hastanın fiziksel rezervini ve kırılganlığını daha iyi değerlendirme ihtiyacına dikkat çekiyor. Açıklanan amaç, hekim kararının yerine geçmek değil; değerlendirmeyi daha nicel, tutarlı ve ölçeklenebilir hâle getirmek. Bence haberin en önemli sınırı da bu.
Kurum ayrıca daha geniş ve çeşitli topluluklarda doğrulamayı geliştirmek için halka açık bir araştırma yürütüyor. Bu programda fotoğraf üzerinden verilen çıktı da bir araştırma ölçümü. Böyle bir sonucun tek başına kişisel tanı ya da tedavi önerisi olarak yorumlanmaması gerekiyor. Burada anlatılan bulgular, araştırmanın kapsamındaki kanser sağkalımı ve yaşlanma göstergeleriyle ilgili.
Ben bu çalışmayı, kolay elde edilen bir görüntüden anlamlı tıbbi göstergeler çıkarma çabasının ilginç bir örneği olarak görüyorum. Asıl değerini farklı hasta gruplarındaki doğrulamalar ve hekimlerin iş akışına sağladığı somut katkı gösterecek. Sizce bu tür araçlarda öncelik tahmin başarısı mı, sonucun neden üretildiğini açıklayabilmek mi olmalı?
Kaynak: Mass General Brigham – yüz fotoğraflarıyla yaş ve kanser sağkalım riskinin değerlendirilmesi araştırması.
Aynı temelden çıkan iki farklı araç
Ekibin FAHR-Face adını verdiği temel model, kurumun açıklamasına göre 40 milyondan fazla yüz görüntüsüyle eğitildi. Bu altyapıdan FAHR-FaceAge ve FAHR-FaceSurvival geliştirildi. İlki biyolojik yaşla ilgili bir tahmin üretiyor; ikincisi kanser hastalarında sağkalım sonuçlarını doğrudan yüz fotoğrafından tahmin etmeyi amaçlıyor. Model geliştirme ve doğrulama çalışması Lancet Digital Health dergisinde yayımlandı.
Takvim yaşı, doğum tarihimizden hesaplanan süre. Biyolojik yaş ise burada modelin fizyolojik yaşlanmaya ilişkin ürettiği gösterge olarak kullanılıyor. Dolayısıyla modelin verdiği sayı, kişinin nüfus kaydındaki yaşının alternatifi değil. Araştırmanın konusu, bu tahminle gerçek yaş arasındaki farkın sağlık sonuçlarıyla nasıl ilişkilendiği.
Solda FaceSurvival, sağda FaceAge tahminlerinde etkili yüz bölgeleri gösteriliyor; sarı alanlar daha yüksek etkiyi temsil ediyor. Görsel kaynağı: Mass General Brigham.
İki tahmin aynı şeyi ölçmüyor
Araştırmacılara göre araçların tahminleri birbiriyle yalnızca zayıf düzeyde ilişkili. Birlikte analiz edildiklerinde de her ikisinin sağkalımla bağımsız ilişkisi korunuyor. İki ölçümün birleştirilmesi, kanser hastalarından oluşan dış doğrulama grubunda sağkalım modelinin uyumunu iyileştirmiş. Bu bulgu, aynı fotoğraftan farklı bilgiler çıkarılabileceğini düşündürüyor; herkese uygulanabilecek kesin bir sonuç anlamına gelmiyor.
Modellerin önem verdiği bölgeler de farklı. FaceAge, burun ile ağız çevresindeki nazolabial kıvrımlar, göz çukurlarının üzerindeki alın bölgesi ve şakaklardan yararlanıyor. FaceSurvival için göz altları ve burun köprüsünün çevresi öne çıkıyor. Görseldeki renkli alanları bir hastalık haritası gibi okumamak gerekiyor; bunlar algoritmanın tahmininde hangi bölgelerin daha etkili olduğunu anlatıyor.
Fotoğraf koşulları neden önemli?
Bir yüz fotoğrafı ışık, poz, mimik ve makyajla değişebilir. Ekip, FaceAge'in test edilen yaygın fotoğraf değişimlerinde tutarlı sonuçlar verdiğini bildiriyor. İncelenen estetik işlemlerin çoğunda da tahminler kararlı kalmış; burun estetiğinden sonra küçük bir değişim görülmüş. Bu, sistemin gündelik görüntü farklılıklarına dayanıklılığı açısından olumlu bir araştırma sonucu.
Bununla birlikte “testlerde tutarlı” ifadesini “her fotoğrafta hatasız” şeklinde çeviremeyiz. Örneğin aynı kişinin farklı ışıkta çekilmiş görüntülerinde benzer bir tahmin almak, o tahminin tek başına tedavi kararını belirlemesi gerektiğini göstermez. Görüntü koşullarına dayanıklılık ile klinik karar vermeye uygunluk ayrı değerlendirme başlıkları.
Hedef, hekim değerlendirmesini desteklemek
Çalışmanın sorumlu yazarlarından Raymond Mak, radyoterapi, ameliyat veya sistemik tedavi öncesinde hastanın fiziksel rezervini ve kırılganlığını daha iyi değerlendirme ihtiyacına dikkat çekiyor. Açıklanan amaç, hekim kararının yerine geçmek değil; değerlendirmeyi daha nicel, tutarlı ve ölçeklenebilir hâle getirmek. Bence haberin en önemli sınırı da bu.
Kurum ayrıca daha geniş ve çeşitli topluluklarda doğrulamayı geliştirmek için halka açık bir araştırma yürütüyor. Bu programda fotoğraf üzerinden verilen çıktı da bir araştırma ölçümü. Böyle bir sonucun tek başına kişisel tanı ya da tedavi önerisi olarak yorumlanmaması gerekiyor. Burada anlatılan bulgular, araştırmanın kapsamındaki kanser sağkalımı ve yaşlanma göstergeleriyle ilgili.
Ben bu çalışmayı, kolay elde edilen bir görüntüden anlamlı tıbbi göstergeler çıkarma çabasının ilginç bir örneği olarak görüyorum. Asıl değerini farklı hasta gruplarındaki doğrulamalar ve hekimlerin iş akışına sağladığı somut katkı gösterecek. Sizce bu tür araçlarda öncelik tahmin başarısı mı, sonucun neden üretildiğini açıklayabilmek mi olmalı?
Kaynak: Mass General Brigham – yüz fotoğraflarıyla yaş ve kanser sağkalım riskinin değerlendirilmesi araştırması.