Makine öğrenmesi kullanılarak gerçek dünya yoğun bakım kohortunda akut-on-kronik karaciğer yetmezliği hastalarının önyargısız kümeleme analizi

Karaciğer hastaları için neden önemli

Uzun süredir var olan karaciğer hastalığı olan kişiler aniden çok kötüleştiğinde, doktorların kimlerin ölüm riski en yüksek ve kimlerin iyileşebileceği konusunda hızlı karar vermesi gerekir. Bugün bu kararlar uzman görüşlerine ve küçük çalışmalara dayanan puanlama sistemlerine dayanıyor. Bu çalışma, gerçek dünya yoğun bakım (YB) hastalarında veri odaklı, makine öğrenmesi yaklaşımının gizli kalmış örüntüleri ortaya çıkarabileceğini ve en agresif bakımı kimlerin gerektirdiğini belirlemede daha basit, daha doğru yolları işaret edebileceğini gösteriyor.

Ön kabuller olmadan çok hasta hastaları ayırmak

Araştırmacılar, beyin, akciğer, kalp-dolaşım sistemi ve böbrek yetmezliklerine odaklanan Kuzey Amerika kriterleriyle tanımlanan 1.256 akut-on-kronik karaciğer yetmezliği YB hastasını inceledi. Mevcut karaciğer skorlarıyla başlamaktansa, rutin olarak ölçülen 50 klinik ve laboratuvar değerini negatif olmayan matris faktörizasyonu adı verilen denetimsiz bir makine öğrenmesi yöntemine verdiler. Bu teknik, hangi özelliklerin önemli olduğu veya kaç hasta tipi bekleneceği konusunda önceden bilgi verilmeden verideki doğal grupları arar. Farklı çözümleri test etmek ve veriye en iyi uyan küme sayısını belirlemek için ayrı bir algoritma kullanıldı.

Çok farklı sonuçlara sahip iki belirgin grup

Kümeleme yönteminin çeşitli varyantları boyunca veriler tutarlı şekilde en iyi iki hasta grubuna ayrıldı. Lee algoritması olarak bilinen kazanan model, son derece kararlı kümeler üretti: model birçok kez yeniden çalıştırıldığında aynı hastalar birlikte gruplanma eğilimi gösterdi. Yazarlar sağkalımı karşılaştırdıklarında çarpıcı farklar buldular. Bir kümenin 30 günlük ölüm oranı yaklaşık %70 iken diğerinin yaklaşık %26 idi. Bu basit iki-küme şeması, her iki grubun da karışık organ yetmezlikleri içermesine rağmen kaç organın yetmediğini saymaya dayanan geleneksel yaklaşımdan daha iyi mortalite tahmini yaptı.

Anahtar sinyaller olarak kan kimyası ve metabolizma

Kümeleri ayıran unsurları anlamak için ekip, gruplaşmayı en güçlü şekilde yönlendiren ölçümleri inceledi. Kan basıncı ilaçlarına gereksinim, kan laktat düzeyleri ve kreatinin (böbrek fonksiyonu göstergesi) gibi kritik hastalıkta tanıdık birkaç belirteç önemliydi. Ancak özellikle dikkat çekici bulgu, kanın asit–baz dengesine ilişkin ölçümlerin—bikarbonat, pH, baz fazlalığı, laktat ve anyon açıklığı—en önemli katkı verenler arasında olmasıydı. Yüksek riskli küme daha şiddetli asit–baz bozukluklarına eğilimliydi: daha düşük pH ve bikarbonat, daha büyük baz açıkları ve daha yüksek anyon açıklıkları; bu da yaygın metabolik stres ve kötü doku oksijenasyonu ile uyumlu. Bu desenler, vücudun kimyasal dengesini ne kadar iyi koruduğunun, hangi organların yetmediği kadar önemli olabileceğini öne sürüyor.

Deseni diğer hasta gruplarında test etmek

YB verileri tek bir sağlık sisteminden ve akut-on-kronik karaciğer yetmezliğinin tek bir tanımından geldiği için yazarlar bulgularının başka yerlerde de geçerli olup olmadığını kontrol ettiler. Aynı modeli sendromun bir Avrupa tanımına uyan hastalara ve formal olarak akut-on-kronik karaciğer yetmezliği kabul edilmeyen, ancak dekompanse sirozlu daha geniş bir YB hasta grubuna uyguladılar. Her iki ortamda da kümeleme hastaları yine 30 günlük mortalitede benzer büyük farklarla iki gruba ayırdı ve aynı asit–baz ilişkili değişkenler merkezi olmaya devam etti. Uzun dönem sonuç verileri eksik olsa da birçok ABD hastanesinden bağımsız bir YB veri tabanı, aynı iki-küme yapısını ve örtüşen anahtar değişkenleri göstererek yaklaşımın sağlamlığını destekledi.

Gelecek bakım için ne anlama gelebilir

Çalışma henüz doğrudan sağkalımı iyileştiren bir başucu aracı sunmuyor ve çok hasta YB popülasyonuna odaklanması ve geriye dönük verilere dayanması gibi sınırlamaları var. Yine de, önyargısız, veri odaklı bir yöntemin uzun süredir basit sınıflandırmaya direnç gösteren karmaşık bir durumda klinik olarak anlamlı alt tipleri ortaya çıkarabileceğine dair bir kavramsal kanıt sunuyor. Hastalar ve aileleri için temel mesaj, doktorların zaten rutin olarak ölçtüğü kanın asit ve baz dengesinin—şiddetli karaciğer krizlerinde—risk ve iyileşme hakkında güçlü ipuçları sağlayabileceği. Daha fazla araştırma ve prospektif testlerle, bu tür kümeleme modelleri klinisyenlerin en savunmasız hastaları daha erken tanımlamasına ve kötü sonuçlarına yol açan metabolik bozukluklara yönelik tedaviler tasarlamasına yardımcı olabilir.

Atıf: Zhang, M., Ji, F., Zu, J. et al. Unbiased clustering of acute-on-chronic liver failure patients using machine learning in a real-world ICU cohort. Nat Commun 17, 1670 (2026). https://doi.org/10.1038/s41467-026-68368-6

Anahtar kelimeler: akut-on-kronik karaciğer yetmezliği, makine öğrenmesi, YOĞUN BAKIM sonuçları, asit-baz dengesi, siroz