Genişletilmiş klinik bulgular kullanılarak makine öğrenmesine dayalı birincil aldosteronizm alt tipinin tahmini

Yüksek tansiyonu olan kişiler için bunun önemi

Yüksek tansiyonu olan birçok kişide aslında böbreküstü bezlerinin tuz tutucu hormon aldosteronu aşırı ürettiği gizli bir hormon sorunu olan birincil aldosteronizm bulunmaktadır. Bu hastaların bazıları ameliyatla iyileştirilebilirken, diğerleri ömür boyu ilaç kullanımı gerektirir. Bugün bu iki grubu ayırmak genellikle yalnızca uzman merkezlerde yapılabilen invaziv bir hastane prosedürü gerektirir. Bu çalışma, rutin test sonuçlarıyla eğitilmiş bilgisayarların hastaları “ameliyat muhtemel” veya “sadece ilaç” gruplarına güvenilir şekilde ayırıp ayıramayacağını araştırıyor; bu da bakımın daha güvenli, daha hızlı ve daha geniş erişilebilir hale gelmesini sağlayabilir.

Aynı gizli hastalığın iki türü

Birincil aldosteronizm iki ana formda görülür. Unilateral tipte fazla aldosteron çoğunlukla bir böbreküstü bezinden gelir; genellikle küçük iyi huylu bir tümör nedeniyle ortaya çıkar ve o bezin çıkarılması kan basıncını düzeltebilir veya büyük ölçüde iyileştirebilir. Bilateral tipte ise her iki bez aşırı aktiftir; bu durumda cerrahi fayda sağlamaz ve ilaç tedavisi tercih edilir. Bu alt tipleri ayırt etmek için kullanılan güncel altın standart test adrenal venöz örneklemedir; bu test, her bir böbreküstü bezinin kanını boşaltan damarlara kateter yerleştirmeyi içerir. Bu test teknik olarak zorlu ve geniş çapta bulunmadığı için, klinisyenler ve hastalar, sıradan klinik bilgiler kullanılarak alt tipi güvenilir şekilde tahmin edebilecek bir yöntemden fayda görürler.

Çok sayıda ipucunu akıllı bilgisayar modellerine beslemek

Araştırmacılar, Japonya’daki tek bir üniversite hastanesinde tedavi gören ve hastalığın unilateral mi yoksa bilateral mi olduğunu doğrulamak için daha önce başarılı adrenal venöz örnekleme yapılmış 274 birincil aldosteronizm hastasından ayrıntılı veri topladılar. Her hasta için 196 farklı ölçüm derlediler ve bunları dört geniş gruba ayırdılar: aldosteronla ilgili standart hormon ve elektrolit bulguları; kısa hastane yatışları sırasında yapılan çeşitli uyarı testleri ve gündüz-gece hormon profilleri; karaciğer ve böbrek fonksiyonu gibi sıradan kan testleri; ve idrarda ölçülen derinlemesine bir hormon yıkım ürünü paneli. Daha sonra, bu birçok örtüşen ipucundan doğrulanmış alt tipi ne kadar doğru tahmin edebildiklerini görmek için beş farklı makine öğrenmesi model türü eğittiler.

Rastgele ormanlar öne çıkıyor

Tüm bilgisayar modelleri oldukça iyi performans gösterdi, ancak karar ağacı yöntemleri, özellikle rastgele orman (random forest) adı verilen teknik belirgin şekilde öne çıktı. Eğitme için kullanılmayan ayrı bir test hasta grubunda, rastgele orman modeli vakaların yaklaşık yüzde 91’ini doğru sınıflandırdı ve unilateral ile bilateral hastalığı ayırmada mükemmele yakın bir yetenek gösterdi. Araştırmacılar modellerin en çok hangi bilgi türlerine dayandığını incelediklerinde, uyarı testleri ve gündüz-gece hormon örneklemelerinden elde edilen özelliklerin en büyük katkıyı sağladığını, bunu klasik aldosteronla ilişkili ölçümler ve ardından idrar hormon metabolitlerinin izlediğini buldular. Kolesterol veya temel kan sayımları gibi rutin genel kan testleri ise çok az faydalı bilgi ekledi ve dahil edildiğinde performansı bile düşürebiliyordu.

Verilerdeki en belirleyici testler

Daha derine inildiğinde, ekip rastgele orman modelinde en fazla ağırlığa sahip olan spesifik ölçümleri belirledi. En bilgilendirici tek özellik, genellikle sağlıklı kişilerde aldosteronu baskılayan standart bir uyarı testi olan kaptopril alımından 90 dakika sonra ölçülen aldosteron düzeyiydi. Görüntülemede görülen böbreküstü bezi tümör boyutu ve uyarı testleri sırasında aldosteron ile kortizol arasındaki belirli oranlar da yüksek derecede etkiliydi. Özellikle aldosteron üretiminin son adımlarıyla bağlantılı metabolitler olmak üzere idrar steroid profilinin birkaç bileşeni ek ipuçları sağladı. Birlikte ele alındığında, bu en güçlü özelliklerin nispeten küçük bir alt kümesi modelin performansının çoğunu yakalayabiliyordu; bu da pratik tahmin araçlarının tüm 196 ölçüme gerek duymayabileceğini düşündürüyor.

Bu hastaya bakım için ne anlama gelebilir

Çalışma, özellikle rastgele ormanların, bir hastanın birincil aldosteronizminin cerrahi olarak iyileştirilebilir olup olmayacağını tahmin etmek için hormon testleri ve görüntüleme bilgilerini zengin bir karışım halinde kullanabileceğini; bu tek merkez örneğinde yüzde 90’ın üzerinde doğruluk sağladığını gösteriyor. Hastalar için bu, diğer hastanelerde daha fazla doğrulama ve kalan yanlış sınıflandırmaların dikkatli incelenmesinin ardından, doktorların cerrahi ile ilaç arasında karar verirken bir gün iyi seçilmiş kan ve idrar testlerine daha fazla güvenebilecekleri olasılığını gündeme getiriyor. Kısacası, mevcut klinik verilerin akıllıca kullanımı, doğru tedaviyi doğru kişiyle eşleştirmeye yardımcı olurken hem hastalar hem de uzman merkezler üzerindeki yükü hafifletebilir.

Atıf: Mizutani, Y., Miyashita, K., Nakamura, T. et al. Machine learning-based prediction of primary aldosteronism subtype using comprehensive clinical features. Sci Rep 16, 10071 (2026). https://doi.org/10.1038/s41598-026-41005-4

Anahtar kelimeler: birincil aldosteronizm, hipertansiyon, makine öğrenmesi, böbreküstü bezi, hormon testi