Vücut kompozisyonu analizi ile makine öğrenimini bütünleştirerek invaziv olmayan yoldan metabolik disfonksiyonla ilişkili yağlı karaciğer hastalığının tanımlanması: geniş çaplı bir sağlık muayenesi tabanlı çalışma

Gizli karaciğer yağının önemi

Kendini tamamen sağlıklı hisseden birçok insan, sessizce karaciğerlerinde yağ birikimi geliştiriyor; bu durum artık metabolik disfonksiyonla ilişkili yağlı karaciğer hastalığı (MAFLD) olarak adlandırılıyor. Kilo artışı, yüksek kan şekeri ve kalp hastalıklarıyla yakından ilişkili olmasına karşın, rutin kontrollerde sıklıkla gözden kaçıyor çünkü kilo ve temel kan testleri gibi standart ölçümler vücudun içinde neler olup bittiğini tam olarak açığa çıkaramıyor. Bu çalışma, hızlı bir vücut kompozisyonu taraması ile modern bilgisayar algoritmalarının, ciddi karaciğer hasarı ortaya çıkmadan çok önce risk taşıyanları tespit edip edemeyeceğini araştırıyor.

İğne kullanmadan vücudun içini görmek

Araştırmacılar, 2017–2021 yılları arasında düzenli sağlık muayenesi yaptırmış Çinli 23.000’den fazla yetişkinin kayıtlarına ve sonuçları çift görme amaçlı olarak daha sonra incelenen ek 3.300 kişiye dayandı. Herkese iki önemli test uygulandı: karaciğerde yağ olup olmadığını görmek için karın ultrasonu ve vücuda çok zayıf bir elektrik akımı gönderen banyoda kullanılan bir tartıya benzer bir cihazla yapılan biyoelektrik empedans yöntemiyle vücut kompozisyonu analizi. Bu tarama, bir kişinin ne kadar yağ, kas, kemik ve su taşıdığını ve o yağın ne kadarının karın içinde derinlerde, metabolik hastalıklarla en güçlü şekilde ilişkili olan visseral yağ olarak yerleştiğini tahmin ediyor.

Vücut ölçümlerini risk sinyallerine dönüştürmek

Uzun bir olası ölçüm listesinden ekip, yaş, cinsiyet, bel çevresi, vücut kitle indeksi (BMI), toplam vücut suyu ve visseral yağ puanı gibi kan almadan toplanabilecek 13 ölçüme odaklandı. Ardından örtüşen veya gereksiz ölçümleri çıkarmak için istatistiksel kontroller uyguladılar ve hangi özelliklerin karaciğer yağı hakkında en fazla bilgi taşıdığını görmek için SHAP adlı yorumlanabilirlik yöntemine dayandılar. Sonunda güvenilir ve pratik olan altı ölçüm öne çıktı: visseral yağ puanı, bel çevresi, vücut ağırlığı, BMI, toplam vücut suyu ve hücre dışı su yüzdesi. Bu değişkenler MAFLD olanlar ile olmayanları ayırt etmek üzere eğitilen sekiz farklı bilgisayar modelinin girdilerini oluşturdu.

Riskleri yüksek doğrulukla saptayan makine öğrenimi

Ekip, basit lojistik regresyon ve destek vektör makineleri gibi yöntemlerin yanı sıra gradyan artırma ve rastgele ormanlar gibi daha ileri ağaç tabanlı yöntemleri içeren çeşitli makine öğrenimi modelleri oluşturdu ve karşılaştırdı. Ana veri seti içinde on kat çapraz doğrulama kullanıldığında, ağaç tabanlı modeller tutarlı şekilde öne çıktı ve ROC eğrisi altındaki alan (AUC) değerleri 0,96’nın üzerine ulaştı. Bu, modellerin neredeyse her zaman MAFLD’li bir kişiye, MAFLD’siz bir kişiden daha yüksek puan verdiği anlamına geliyor. Araştırmacılar bu modelleri daha sonra incelenen 3.000’den fazla ayrı hasta grubunda test ettiklerinde performans halen çok güçlüydü; AUC değerleri hâlâ 0,95’in üzerindeydi ve doğruluk ile duyarlılık yüksekti. Gerçek dünyada bu, vücut kompozisyonu ile makine öğreniminin birleşiminin yağlı karaciğeri olan kişileri doğru şekilde tespit etmekte çok iyi olduğu, yanlış alarmları nispeten düşük tuttuğu anlamına geliyor.

Karın içi yağ ve vücut sıvılarının özel rolü

Tüm modeller ve alt gruplar—erkek ve kadınlar, genç ve yaşlı yetişkinler, zayıf ve daha kilolu kişiler—arasında visseral yağ puanı MAFLD için en güçlü tek sinyal olarak öne çıktı. Bel çevresi ve BMI de önemliydi ama biraz daha az bilgi vericiydi; bu durum yağın nerede depolandığının bir kişinin toplam kilosundan daha önemli olduğunu vurguluyor. Çalışma ayrıca vücut su dengesinin önemini ortaya koydu. İnflamasyon ve hafif sıvı tutulmasını yansıtıyor olabilecek daha yüksek hücre dışı su yüzdesi, yağlı karaciğer olma olasılığı ile ilişkiliyken, daha yüksek toplam vücut suyu genellikle koruyucu eğilim gösteriyordu; bu muhtemelen daha iyi kas kütlesi ve genel metabolik sağlıkla ilişkili olabilir.

Günlük muayeneler için olası çıkarımlar

Hastalar için çıkarılacak mesaj, vücut kompozisyonu cihazına hızlıca çıkıp arka planda çalışan bir makine öğrenimi modeliyle eşleştirilen bir yaklaşımın, bir gün iğne, radyasyon veya pahalı görüntülemeler olmaksızın karaciğer sağlığı hakkında erken bir uyarı sağlayabileceği yönünde. Çalışma, derin karın yağına ve sıvı dengesine odaklanmanın sadece kilo veya BMI’ye bakmaktan daha net bir metabolik risk tablosu sunduğunu öne sürüyor. Farklı ülkelerde ve daha uzun zaman dilimlerinde daha fazla araştırma gerekli olsa da, bu yaklaşım rutin sağlık ziyaretlerinin sessizce güçlü, kişiselleştirilmiş risk skorları ürettiği ve doktorlar ile hastaların MAFLD ilerlemeden önce harekete geçmesine yardımcı olduğu bir geleceğe işaret ediyor.

Atıf: He, Y., Cao, Y., Chen, Z. et al. Integrating body composition analysis and machine learning for non-invasive identification of metabolic dysfunction-associated fatty liver disease: a large-scale health examination-based study. Sci Rep 16, 7038 (2026). https://doi.org/10.1038/s41598-026-37852-w

Anahtar kelimeler: yağlı karaciğer, visseral yağ, vücut kompozisyonu, makine öğrenimi, invaziv olmayan tarama