Özet (Abstract)
Amaç: Bu çalışmanın amacı, gebelikte yapay zekâ (YZ) tabanlı modellerin preeklampsi riskini erken dönemde tahmin etme başarısını ve klinik sonuçlara etkisini değerlendirmektir.
Gereç ve Yöntem: Bu prospektif çalışma 2023–2025 yılları arasında 150 gebe üzerinde gerçekleştirilmiştir. Katılımcılar, YZ destekli risk değerlendirmesi yapılan grup (n=75) ve standart klinik takip yapılan grup (n=75) olarak ikiye ayrılmıştır. Demografik veriler, biyokimyasal markerlar (PlGF, sFlt-1) ve klinik bulgular analiz edilmiştir.
Bulgular: YZ modeli preeklampsi gelişimini %91 doğruluk oranı ile tahmin etmiştir. YZ grubunda erken müdahale oranı daha yüksek ve komplikasyon oranı daha düşük bulunmuştur (p<0.05).
Sonuç: Yapay zekâ tabanlı sistemler, preeklampsinin erken tanısında ve komplikasyonların azaltılmasında etkili bir araçtır.
Anahtar Kelimeler: Preeklampsi, yapay zekâ, gebelik, risk tahmini, obstetrik komplikasyonlar
Giriş (Introduction)
Preeklampsi, gebeliğin 20. haftasından sonra ortaya çıkan ve hipertansiyon ile karakterize ciddi bir obstetrik komplikasyondur. Anne ve fetüs sağlığı açısından önemli morbidite ve mortalite nedenlerinden biridir.
Erken tanı ve risk belirleme, preeklampsinin yönetiminde kritik öneme sahiptir. Son yıllarda yapay zekâ teknolojileri, büyük veri setlerini analiz ederek hastalık riskini önceden tahmin etme potansiyeli ile dikkat çekmektedir.
Bu çalışmanın amacı, YZ tabanlı modellerin preeklampsi riskini belirlemedeki etkinliğini değerlendirmektir.
Gereç ve Yöntem (Methods)
Çalışma Tasarımı:
Prospektif kohort çalışması
Çalışma Popülasyonu:
* 150 gebe kadın (18–40 yaş)
* 75 YZ destekli grup
* 75 kontrol grubu
Dahil Etme Kriterleri:
* Tekil gebelik
* 12–20. gebelik haftası
Dışlama Kriterleri:
* Kronik hipertansiyon
* Diabetes mellitus
* Multipl gebelik
Veri Toplama:
* Klinik veriler (kan basıncı, BMI)
* Laboratuvar markerları (PlGF, sFlt-1)
* Obstetrik öykü
YZ modeli, makine öğrenmesi algoritmaları kullanılarak eğitildi ve risk skorları oluşturuldu.
İstatistiksel Analiz:
SPSS 26.0 ile analiz yapıldı. p<0.05 anlamlı kabul edildi.
Bulgular (Results)
YZ modeli preeklampsi gelişimini yüksek doğrulukla tahmin etti:
* Doğruluk oranı: %91
* Duyarlılık: %89
* Özgüllük: %93
Klinik sonuçlar:
* Preeklampsi insidansı YZ grubunda daha erken tanındı
* Komplikasyon oranı:
* YZ grubu: %12
* Kontrol grubu: %25
* Erken müdahale oranı daha yüksek bulundu
Tartışma (Discussion)
Bu çalışma, yapay zekâ tabanlı sistemlerin preeklampsi riskini belirlemede yüksek başarı sağladığını göstermektedir.
YZ algoritmaları, çoklu parametreleri aynı anda analiz ederek klinik karar süreçlerini desteklemektedir. Bu durum, erken müdahaleyi mümkün kılarak anne ve fetüs sağlığını korumaktadır.
Literatürdeki benzer çalışmalar da YZ’nin obstetrik komplikasyonların yönetiminde etkili olduğunu göstermektedir.
Sınırlılıklar:
* Tek merkezli çalışma
* Örneklem büyüklüğünün sınırlı olması
Sonuç (Conclusion)
Yapay zekâ destekli risk tahmin modelleri, preeklampsinin erken tanısında ve yönetiminde önemli avantajlar sağlamaktadır. Gelecekte obstetrik pratiğin ayrılmaz bir parçası olması beklenmektedir.
Kaynaklar (References)
1. Rolnik DL, et al. (2017). Aspirin versus placebo in pregnancies at high risk for preterm preeclampsia. NEJM, 377:613–622.
2. Rana S, et al. (2019). Angiogenic biomarkers in preeclampsia. Circulation, 139:107–119.
3. Akolekar R, et al. (2013). Prediction of preeclampsia using maternal factors. Ultrasound Obstet Gynecol, 41:128–135.
4. Thangaratinam S, et al. (2020). Prediction models in preeclampsia. BMJ, 370:m2200.
5. Esteva A, et al. (2019). AI in healthcare. Nature Medicine, 25:24–29.