Kafa içi tümör cerrahisi yapılan hastalarda plansız yeniden ameliyat riskini yorumlanabilir şekilde tahmin eden bir modelin geliştirilmesi ve doğrulanması

Neden başka bir beyin ameliyatı hâlâ önem taşıyor

Beyin tümörü ameliyatı olacak kişiler için operasyon, uzun ve hassas bir iyileşme sürecinin yalnızca başlangıcıdır. En ciddi aksaklıklardan biri, ilk girişimin hemen ardından beklenmedik şekilde tekrar ameliyata dönmektir. Çin’de büyük bir hastaneden gelen bu çalışma, gerçek insani sonuçları olan pratik bir soruyu gündeme getiriyor: Doktorlar, zaten topladıkları bilgileri kullanarak hangi hastaların plansız ikinci bir beyin ameliyatına en yatkın olduğunu erken dönemde tespit edip bunu önlemek için yeterince hızlı şekilde müdahale edebilirler mi?

Beyin tümörü cerrahisi sonrası sorunlar

Beyin ve merkezi sinir sistemi kanserleri, dünya çapında en yıkıcı hastalıklardan olup her yıl yüzbinlerce yeni vaka ve ölüme yol açmaktadır. Cerrahi çoğu zaman tedavinin kilit adımıdır; cerrahlar tümörü güvenli olduğu ölçüde çıkarmaya çalışır. Yine de operasyon iyi geçse bile kanama, enfeksiyon, sıvı birikimi veya ödem gibi ciddi komplikasyonlar nedeniyle cerrahların bir ay içinde tekrar ameliyat olmak zorunda kaldığı durumlar ortaya çıkabilir. Bu plansız yeniden ameliyatlar stresli, riskli ve maliyetlidir; uluslararası olarak cerrahi kalite göstergesi olarak kullanılır. Beyin tümörü hastalarında bildirilen oranlar yaklaşık %3 ile %17 arasında değişir, ancak şimdiye kadar hangi hastanın en yüksek riske sahip olduğunu tahmin etmek için yalnızca kabaca araçlar vardı.

Hastane kayıtlarını uyarıya dönüştürmek

Araştırma ekibi, Xi’an Jiaotong Üniversitesi Birinci Ek Binası Hastanesi’nde 2023 başı ile 2024 başı arasında kafa içi tümör cerrahisi geçiren 825 erişkinin elektronik kayıtlarını inceledi. Katı dahil etme kriterleri uygulandıktan sonra 567 hasta kaldı; bunların 49’u (yaklaşık %9) 30 gün içinde plansız ikinci bir ameliyat gerektirdi. Bilim insanları bu grubu daha büyük bir eğitim seti ve daha küçük bir test seti olarak ayırdı ve sonra onlarca rutin klinik bilgiyi çeşitli bilgisayar destekli tahmin yöntemlerine verdiler. Bu bilgiler arasında yaş, cinsiyet, hipertansiyon ve diyabet gibi diğer hastalıklar, genel dayanıklılığı yansıtan kısa bir kırılganlık (frailty) skoru, tümör tipi ve beyindeki yeri ile ameliyatın süresi ve yoğun bakım gereksinimi gibi cerrahi özellikler bulunuyordu.

En belirleyici ipuçlarını bulmak

Modellerini zayıf sinyallerle aşırı yüklemekten kaçınmak için ekip, önce en bilgilendirici öngörücüleri elemek üzere LASSO adlı istatistiksel yöntemi kullandı. Bu yaklaşım 11 ana faktörü bıraktı; bunlar arasında ameliyat süresi, tümörün yeri, tümör tipi, tümörün iyi huylu mu kötü huylu mu olduğu, kırılganlık indeksi, diyabet, kalp yetmezliği ve yoğun bakım ihtiyacı yer aldı. Ardından beş farklı tahmin yaklaşımı kuruldu ve karşılaştırıldı; tanıdık lojistik regresyondan rastgele ormanlar ve gradyan arttırma gibi daha karmaşık makine öğrenmesi tekniklerine kadar uzanıyordu. Şaşırtıcı şekilde en basit model olan lojistik regresyon en iyi performansı gösterdi. Eğitim grubunda yüksek/düşük riskli hastaları ayırt etmede doğruluk ölçüsü (AUC) 0.84, test grubunda ise 0.77 idi; tahmin edilen riskler gerçekte olanlarla yakından uyuşuyordu.

Siyah kutuları anlaşılır kılmak

Doktorlar açıklama sunmayan bilgisayar sistemlerine doğal olarak temkinli yaklaşır. Bu “siyah kutuyu” açmak için araştırmacılar, her faktörün bireysel hastanın riskini nasıl yukarı veya aşağı ittiğini gösteren SHAP adlı bir yöntemi kullandı. Tüm grup genelinde daha uzun ameliyatlar, ulaşılması zor tümör yerleri, daha yüksek kırılganlık skorları ve malign tümör tipleri en güçlü sorun sinyalleri olarak belirlendi. Yatak başında, tek bir hasta için hazırlanmış SHAP diyagramları örneğin kısa bir ameliyat ve düşük kırılganlığın diğer endişeleri nasıl dengeleyebileceğini veya uzun ameliyat, diyabet ve yoğun bakım kombinasyonunun riski nasıl çok yükseltebileceğini gösterdi. Bu çözümü günlük uygulamaya taşımak için ekip, nihai modeli basit bir web aracına dönüştürdü: klinisyenler ameliyathaneden çıkışta bu 11 özelliği girerek anında bir risk tahmini ve bunun nedenlerinin görsel dökümünü alabiliyor.

Bu hastalar ve bakım ekipleri için ne anlama geliyor

Çalışma, günlük hastane bakımında zaten toplanan bilgilerin beklenmedik bir ikinci beyin ameliyatı gereksinimi için açık ve anlaşılır bir risk skoruna dönüştürülebileceğini gösteriyor. Çalışma tek merkezli olması ve diğer hastaneler ile ülkelerde test edilmeye ihtiyaç duyması nedeniyle sınırlılıklar taşısa da, cerrahi ekiplerin hızla savunmasız hastaları işaretleyebileceği, onları daha yakından izleyebileceği ve ciddi komplikasyonları engellemek için tedavi planlarını ayarlayabileceği bir geleceğe işaret ediyor. Hastalar ve aileleri için bu, zaten zorlu bir ameliyatın ardından daha az sürpriz, daha kısa hastanede kalış süreleri ve bir ameliyatın yeterli olma olasılığının artması anlamına gelebilir.

Atıf: Ye, X., Li, H., Zhang, X. et al. Development and validation of an interpretable prediction model for the risk of unplanned reoperation in patients underwent intracranial tumor surgery. Sci Rep 16, 14448 (2026). https://doi.org/10.1038/s41598-026-43594-6

Anahtar kelimeler: beyin tümörü cerrahisi, plansız yeniden ameliyat, risk tahmini, makine öğrenmesi, kırılganlık