Birinci trimester sonundaki canlılığı tahmin etmek için erken gebelik ultrason görüntülerinin radomik analizi

Gebelikte erken yanıtların önemi

Birçok kadın için gebeliğin ilk haftaları umut ve endişenin bir arada yaşandığı dönemlerdir. İlk ultrason henüz bir gebeliğin devam edip etmeyeceğini açıkça gösteremediğinde, doktorlar buna “canlılığı bilinmeyen gebelik” der. Tekrar taramaya kadar geçen—genellikle bir ila iki haftalık—bekleyiş duygusal olarak yorucu olabilir. Burada özetlenen çalışma, rutin ultrason görüntülerinin içindeki gözle görülmesi zor örüntülerin ve basit klinik bilgilerin bir araya gelmesiyle sonucun daha erken ve daha doğru şekilde tahmin edilip edilemeyeceğini araştırıyor.

Gözün görebildiğinin ötesine bakmak

Geleneksel ultrason değerlendirmesi, klinisyenlerin doğrudan ölçebildiği ve gördüğü öğelere dayanır: gebelik kesesinin boyutu ve şekli, vitellus kesesinin veya küçük embiyonun varlığı ve kalp atımının görünürlüğü. Daha önceki araştırmalar bu tür özellikleri kullanarak skor sistemleri geliştirdi, ancak bu yaklaşımların doğruluğu sınırlı kalmış ve genellikle eksiksiz verilere bağımlı olmuştur. Bu yeni çalışmada araştırmacılar, bilgisayarların radomik adı verilen bir yaklaşımla insan gözünün fark edemeyeceği çok daha ince ayrıntıları ultrason görüntülerinde tespit edip edemeyeceğini sordular. Radomik, görüntüleri doku dokusu, parlaklık desenleri ve küçük ölçekli yapı gibi binlerce sayısal özelliğe dönüştürerek sağlıklı veya başarısız implanta ilişkin erken işaretleri yakalayabilir.

Otomatik görüntü işleme hattı oluşturmak

Araştırma ekibi 2021–2023 yılları arasında iki Londra hastanesindeki erken gebelik birimlerine başvuran 500 kadının ultrason taramalarını topladı. Tümüne canlılığı bilinmeyen gebelik tanısı konmuştu ve nihai sonuçları—birinci trimester sonuna kadar devam eden gebelik veya düşük—daha sonra kaydedildi. Görüntüleri analize hazırlamak için araştırmacılar önce derin öğrenme modeline her taramada iki ana bölgeyi—gebelik kesesi ve etrafındaki ince uterin doku halkasını—bulmayı öğretti. Tıbbi görüntüleme için tasarlanmış bir sinir ağı mimarisi kullanılarak sistem bu bölgeleri uzmanların el ile yaptığı konturlarla yüksek doğrulukta eşleşecek şekilde izlemeyi öğrendi. Bu otomatik “segmentasyon” adımı kritik; çünkü gelecekteki taramalar uzman klinisyenlerin ekstra zamanını gerektirmeden işlenebilir.

Örüntüleri tahmine dönüştürmek

Bölgeler belirlendikten sonra radomik yazılım ultrason görüntülerinden dört binden fazla nicel özellik çıkardı. Aynı zamanda ekip, rutin bakımda zaten kaydedilen basit klinik bilgileri topladı—örneğin kadının yaşı, son adet tarihine göre gebelik haftası ve bildirdikleri kanama ile ağrı miktarı gibi. Bu değişkenlerin hepsi aynı derecede yararlı olmadığından, araştırmacılar en iyi kombinasyonu bulmak için geniş bir özellik seçimi yöntemleri ve makine öğrenimi algoritmaları yelpazesini test ettiler. Son modelleri, Canlılığı Bilinmeyen Gebelik Tahmin Skoru (PUVPS) adını taşıyor ve XGBoost olarak bilinen bir teknik ile dikkatle seçilmiş radomik ve klinik özelliklere dayanıyordu. Testlerde model, sistemi eğitmek için kullanılmayan harici bir hastaneden gelen veriler dahil olmak üzere devam eden gebelikleri düşüklerden güçlü bir performansla ayırt etti.

Modelin gerçekten kullandıkları

En etkili öngörücülerden bazıları tanıdık klinik faktörler çıktı: son adet tarihine göre gebeliğin ne kadar ileride olması gerektiği, vajinal kanamanın şiddeti ve annenin yaşı. Ancak kese ve çevresindeki dokudan elde edilen birkaç radomik doku ölçümü de üst sıralarda yer aldı. Bunlar, piksel yoğunluklarının ne kadar düzgün veya yamalı olduğunu ve parlak bölgelerin nasıl dağıldığını yakalar; bu da erken plasenta ve destekleyici dokuların ne kadar iyi oluştuğuyla ilgili olabilir. İlginç olarak, radomik özelliklerin gestasyonel yaşla değişiyor gibi görünmesi, bunların rastgele gürültü değil, erken gebelik gelişimindeki gerçek biyolojik değişiklikleri izliyor olabileceğini düşündürüyor.

Bu hastalar için ne anlama gelebilir

Çalışmanın sınırlılıkları var; en önemlisi nispeten küçük örnek büyüklüğü, bu tür makine öğrenimi modellerinin çok daha büyük ve çeşitli gruplarda test edilene kadar aşırı iyimser sonuçlar verebilmesidir. Yine de, sonuçlar; ekstra kan testi veya girişim olmadan, kadınların zaten yaptırmakta olduğu ultrason görüntüsüne dayalı kişiselleştirilmiş bir risk tahmini sağlanmasının mümkün olabileceğini öne sürüyor. Gelecekte, büyük çok merkezli çalışmalarda doğrulanırsa, PUVPS benzeri bir araç ultrason kliniğinin arka planında sessizce çalışarak görüntüleri gerçek zamanlı analiz edebilir ve devam eden gebelik olasılığını sunabilir. Standart takip taramalarının yerini almak yerine, belirsiz bekleyiş sürecinde kadınların ve klinisyenlerin duygusal ve pratik olarak hazırlık yapmalarına yardımcı olabilir.

Atıf: Murugesu, S., Linton-Reid, K., Barcroft, J. et al. Radiomics analysis of early pregnancy ultrasound images to predict viability at the end of first trimester. Sci Rep 16, 5504 (2026). https://doi.org/10.1038/s41598-026-35158-5

Anahtar kelimeler: erken gebelik, düşük riski, ultrason, radomik, tıpta makine öğrenimi