Ekokardiyografiden sağ ventrikül fonksiyonunun yapay zeka destekli multimodal değerlendirmesi, pulmoner hipertansiyon ve sağ kalp yetmezliği olan hastalarda mortaliteyi öngörüyor

Hastalar ve aileleri için bunun önemi

Pulmoner hipertansiyon ve sağ taraflı kalp yetmezliği genellikle hayatı tehdit edici boyuta ulaşana dek sessiz ilerler. Doktorlar kalbin ultrason görüntülerine bakabilir, ancak sağ ventrikülde erken dönemde oluşan incelikli hasarı kaçırmak ve ölçmek kolay değildir. Bu çalışma, bir yapay zeka (YZ) sisteminin bu kalp taramalarını insanın tek başına görebildiğinden daha detaylı okuyabildiğini, doktorların hastanın hastanede veya önümüzdeki birkaç yılda ölme riskini tahmin etmelerine yardımcı olabileceğini —ve böylece daha erken müdahale etme olanağı sağlayabileceğini— gösteriyor.

Stres altındaki sağ kalbin daha yakından incelenmesi

Akciğer dolaşımındaki basınç yüksek kaldığında, kalbin sağ tarafı ekstra dirençle pompa yapmak zorunda kalır. Zamanla sağ ventrikül gerilir, kas lifleri zayıflar ve hastalarda ödem, nefes darlığı ve düşük tansiyon gelişir. Standart ekokardiyografi—alışılan kalp ultrasonu—kalbin atışı sırasında bir kapak halkasının ne kadar hareket ettiği gibi basit hareketleri ölçebilir. Ancak sağ ventrikül karmaşık bir şekle sahiptir ve eşit şekilde sıkışmaz; bu nedenle bu geleneksel ölçümler, özellikle ciddi hasta gruplarında erken ya da yamalı hasarı kaçırabilir.

Kalp kasının deformasyonunu ölçmek

Modern ultrason yazılımları, kas duvarındaki küçük «lekeli» desenleri kare kare izleyerek her bölgenin her kalp atımında ne kadar kısaldığını ve uzadığını hesaplayabilir. Bu ölçüme longitudinal strain (boyuna strain) denir ve sağ ventrikül için özellikle önem taşır. Bu çalışmada hekimler, sağ ventrikül duvarının altı standart segmentinden alınan ortalama bir strain değerine odaklandılar. Daha az negatif sayılar (yani daha az kısalma) daha zayıf kas fonksiyonunu yansıtır. Pulmoner hipertansiyon ve sağ taraflı kalp yetmezliği nedeniyle hastaneye yatırılan 586 erişkin arasında, yaşamını kaybedenlerin strain değerleri ve akciğer arter basınçları hayatta kalanlara göre belirgin şekilde daha kötüydü; bu da bu ayrıntılı hareket ölçütünün gerçek biyolojik riski yakaladığını doğruladı.

Yapay zekaya kalbi okumayı öğretmek

Araştırma ekibi tek bir sayı veya görüntü tipine bağlı olmayan bir derin öğrenme modeli geliştirdi. Bunun yerine model, bir kalp atımından elde edilen üç bilgi akışını analiz etti: zamana bağlı tam strain eğrileri, iki görüntüleme açısından alınan ultrason video klipleri ve kan akımının hız ve yönünü gösteren Doppler izleri. Her bir akış kendi uzman kodlayıcısı tarafından işlendi ve ardından bir "çapraz-dikkat" modülü YZ’ye hareket, yapı ve akış paternlerini birbirine hizalamayı öğretti. Klinik veriler ve geleneksel ultrason ölçümleri de sisteme dahil edildi. Sistemin görevi basitti: her hasta için hastane içi ve uzun dönem takipte ölüm olasılığını çıktı olarak vermek.

YZ sonuçları ne kadar iyi öngördü

Hastalar, YZ’nin daha önce hiç görmediği veriler üzerinde nihai performansın kontrol edilebilmesi için rastgele olarak eğitim, doğrulama ve test gruplarına ayrıldı. Bağımsız test setinde model, alıcı işletim karakteristiği eğrisi altında kalan alan (AUC) olarak 0,823 değerine ulaştı; bu, yüksek ve düşük riskli hastaları doğru şekilde sıralamada 10 denemeden 8'inden fazlasında başarılı olduğu anlamına geliyor. Model, tek başına kullanıldıklarında akciğer arter basıncı ve ortalama sağ ventrikül strain’i dahil bireysel standart ölçümleri geride bıraktı. YZ sistemi ayrıca hızlıydı: gerekli ultrason bilgilerini analiz etmesi yaklaşık dört dakika sürerken, bir sonografistin strain analizini elle yapıp yorumlaması yaklaşık yirmi dakika alıyordu.

Bu bakım için ne anlama gelebilir

Gelişmiş pulmoner hipertansiyonu olan ve yoğun bakım yatağında yatan bir hasta için, sağ kalbinin sessizce yetmezliğe gidip gitmediğini ya da stabil kaldığını bilmek tedavi seçimlerini değiştirebilir—örneğin ilaçların ne zaman yoğunlaştırılacağı, ileri tedavilere ne zaman geçileceği veya daha yakın takip planlanacağı gibi. Bu çalışma, rutin kalp ultrasonuna bağlanan bir YZ asistanının, yalnızca standart ölçümlere göre daha hassas ve zamanında bir risk tahmini sağlayabileceğini öne sürüyor. Yaklaşımın diğer hastanelerde ve farklı ultrason cihazlarıyla da test edilmesi gerekmekle birlikte, detaylı ve otomatik kalp hareketi analizinin doktorların bakımı kişiselleştirmesine ve ciddi sağ kalp hastalığı olan kişilerin sağkalımını potansiyel olarak iyileştirmesine yardımcı olacağı bir geleceğe işaret ediyor.

Atıf: Mou, H., Zhang, G., Xiu, L. et al. AI–assisted multimodal assessment for right ventricular function from echocardiography predicts mortality in patients with pulmonary hypertension and right heart failure. Sci Rep 16, 5323 (2026). https://doi.org/10.1038/s41598-026-36533-y

Anahtar kelimeler: pulmoner hipertansiyon, sağ kalp yetmezliği, ekokardiyografi, yapay zeka, risk tahmini