Sepsis hastalarında PICC ilişkili trombozu XGBoost algoritmasıyla tahmin eden bir model

Hastalar ve aileleri için bunun önemi

Sepsis gibi yaşamı tehdit eden enfeksiyonları olan birçok kişi, ilaç ve beslenme alabilmek için damarlara yerleştirilen uzun, esnek tüplere güvenir. PICC hatları olarak adlandırılan bu hatlar hayati öneme sahiptir ancak bazen tehlikeli kan pıhtılarını tetikleyebilir. Bu çalışma, doktorların hangi sepsis hastalarının bu hatların etrafında pıhtı geliştirme olasılığının daha yüksek olduğunu öngörmek için modern bir bilgisayar tekniğini nasıl kullandığını gösteriyor; amaç komplikasyonları başlamadan önce önlemektir.

Yardım eden ama bazen zarar veren kateterler

Sepsisli hastaların sıklıkla haftalarca intravenöz antibiyotik, sıvı ve beslenmeye ihtiyacı olur. Periferik yerleştirilen santral kateterler (PICC), kol damarından kalbe doğru yönlendirilerek bu amaçla kullanılır. Kullanışlı olmalarına karşın PICC hatları kan akışını bozabilir ve damar duvarını tahriş ederek pıhtı oluşumuna zemin hazırlayabilir. Bu pıhtılar damarları tıkayabilir, yoğun bakım süresini uzatabilir ve ağır durumlarda kopup akciğerlere gidebilir. Şimdiye kadar, birçok farklı sağlık ve kan faktörünün aynı anda rol oynaması nedeniyle hangi hastaların daha fazla risk taşıdığını önceden bilmek klinisyenler için zordu.

Büyük veri ve akıllı algoritmaların kullanımı

Araştırmacılar, 2008–2022 yılları arasında bir ABD hastanesinin açık kritik bakım veritabanından yararlanarak 94.000’den fazla yoğun bakım kalışının ayrıntılı kayıtlarına erişti. Bu kaynaktan, en az iki gün boyunca PICC hattı bulunan ve kan kanserleri gibi bazı karmaşık durumları olmayan 8.128 erişkin sepsis hastası belirlendi. Bu hastalar arasında 538’inde kateterle ilişkili pıhtı gelişti; bunların çoğu hat yerleştirildikten sonraki ilk ay içinde ortaya çıktı. Ekip hastaları, bilgisayar modellerini eğitmek için bir gruba ve modelin yeni olgularda ne kadar iyi çalışacağını test etmek için bir başka gruba ayırdı.

Modelin pıhtı riskinden öğrendikleri

Basit kurallarla tespit edilemeyecek karmaşık desenleri yakalamak için ekip XGBoost adı verilen bir yaklaşım kullandı; bu yöntem birçok küçük karar ağacını tek bir güçlü tahmin ediciye dönüştürür. Modele yaş, cinsiyet, kan testi sonuçları, diğer hastalıklar ve PICC hattının kalma süresi gibi klinisyenlerin rutin olarak topladığı bilgileri sundular. Model, belirli bir hastanın pıhtı geliştirip geliştirmeyeceğine dair bir olasılık üretti. Doğruluğu, tahmin araçları için standart bir ölçüt olan alıcı işletim karakteristiği eğrisi altındaki alan (AUC) kullanılarak değerlendirildi. Eğitim ve test gruplarında yaklaşık 0,76’lık skorlar, modelin daha yüksek riskli hastaları düşük risklilerden açıkça ayırt edebildiğini gösterdi.

Siyah kutuya bir göz atmak

Makine öğrenimiyle ilgili yaygın bir endişe bunun adeta bir siyah kutu gibi olmasıdır. Bunu ele almak için araştırmacılar, her bir faktörün tahmini daha yüksek ya da daha düşük riske ne kadar ittiğini tahmin eden SHAP adı verilen bir yorumlanabilirlik yöntemini kullandı. En etkili özellikler arasında akyuvar sayısı, platelet sayısı, önceki kalp krizi, hemoglobin, böbrek fonksiyonu, PICC’nin kalma süresi, yaş, hafif karaciğer hastalığı, protrombin zamanı adlı bir pıhtılaşma ölçütü ve ciddi komplikasyonu olmayan diyabet yer aldı. Birlikte, bunlar iltihabın yüksek olduğu, kan ve pıhtılaşmanın dengesiz olduğu ve hattın damarda daha uzun süre kaldığı durumlarda pıhtı riskinin arttığına dair bir tablo çiziyor. Karar eğrisi analizi ayrıca modeli önleyici tedaviyi yönlendirmek için kullanmanın herkesi ya da hiç kimseyi tedavi etmekten daha çok hastaya fayda sağlayacağını öne sürdü.

Yatak başında bunun anlamı ne olabilir

Günlük bakım için bu çalışma, doktorların sepsis hastasının sorun başlamadan önce PICC ilişkili pıhtı geliştirme olasılığını rutin olarak elde edilen bilgilerle tahmin edebileceğini öne sürüyor. Yüksek riskli olarak işaretlenen hastalar daha yakın izlemeden, daha kısa kateter sürelerinden, özel kateter tiplerinden veya erken önleyici kan sulandırıcı tedaviden fayda görebilirken; düşük riskliler gereksiz tedavilerden kaçınabilir. Çalışmanın sınırlamaları var—tek bir hastane sisteminden geliyor ve canlı bir klinik deneye değil geçmiş verilere dayanıyor—ancak bazı en hasta hastalarda yaşam kurtaran intravenöz hatların daha kişiselleştirilmiş ve daha güvenli kullanımına doğru somut bir adım sunuyor.

Atıf: Hao, W., She, Ty., Yuan, Zn. et al. A predictive model for PICC-related thrombosis in sepsis patients using XGBoost algorithm. Sci Rep 16, 14378 (2026). https://doi.org/10.1038/s41598-026-44999-z

Anahtar kelimeler: sepsis, PICC hattı, kan pıhtısı, makine öğrenimi, yoğun bakım