Karaciğer greftleri için makine öğrenimi ile türetilmiş biyolojik yaş modeli, transplantasyonda kronolojik yaştan üstün bir yaşlanma değerlendirmesi sağlar

Neden karaciğer yaşı transplant hastaları için önemlidir

Karaciğer nakilleri hayat kurtarır, ancak donör organları talebi karşılayacak kadar hiç yeterli değildir. Birçok karaciğer, donörün daha yaşlı olması nedeniyle reddediliyor; oysa bazıları hâlâ iyi çalışıyor olabilir. Bu çalışma, sonuçları büyük olan basit bir soru soruyor: bir karaciğeri donörün kaç doğum günü kutladığına göre yargılamak yerine, doktorlar organın gerçekte ne kadar “yaşlı” olduğunu tahmin edebilir mi?

Takvime bakmanın ötesine geçmek

Doktorlar genellikle donör karaciğerlerini donörün yaşadığı yıl sayısı olan kronolojik yaşa göre sınıflandırır. Daha yaşlı donörler genellikle daha yüksek riskli olarak etiketlenir ve karaciğerleri atılabilir veya temkinli kullanılabilir. Oysa araştırmalar karaciğerin birçok organdan daha yavaş yaşlandığını ve çok yaşlı insanlarda bile sağlıklı kalabileceğini öne sürüyor. Bu, 70 yaşındaki bir kişiden alınan bir karaciğerin çok daha genç birinden alınmış gibi işleyebileceği anlamına gelirken, orta yaşlı bir donörden gelen başka bir karaciğer zaten yıpranmış olabilir. Yazarlar, önemli olanın organın gerçek fiziksel durumunu ölçen biyolojik yaş olduğunu, sadece doğum belgesindeki tarihin değil, ileri sürüyorlar.

Laboratuvar testlerini yaş tahminine dönüştürmek

Karaciğer yaşının daha iyi bir ölçüsünü oluşturmak için ekip tek bir nakil merkezinde 247 ölü donörü inceledi. Bağış öncesinde her donörde karaciğer fonksiyonunu, kan pıhtılaşmasını ve inflamasyonu kapsayan görüntüleme taramaları ve kan testleri yapıldı. Bu 20 rutin klinik belirteç, karaciğer dokusunun ne kadar sert olduğunu, protein üretme yeteneğini, kanın ne kadar kolay aktığını ve ne kadar iltihaplı olduğunu yakalar. Bu ölçümleri kullanarak araştırmacılar, her greftin biyolojik yaşını tahmin etmek için geleneksel istatistikler ve daha esnek makine öğrenimi yöntemleri de dahil olmak üzere birkaç bilgisayar modeli eğitti. Modeller, önce bu belirteçlerin insanlar yaşlandıkça nasıl tipik olarak değiştiğini öğrendi, ardından bu deseni her karaciğere bir yaş benzeri puan atamak için kullandı.

Makine öğrenimi gizli yıpranmayı buluyor

Araştırmacılar daha sonra modellerini daha sonra transplant edilen ayrı bir 82 donör-alıcı çiftine test ettiler. Geleneksel bir doğrusal model donörlerin gerçek yaşlarıyla en iyi örtüşmeyi gösterdi, ancak çoğunlukla takvim yaşını tekrar üretiyor ve risk hakkında ek bilgi ortaya koymuyordu. Buna karşın, bir gradient boosting makine öğrenimi modeli daha karmaşık desenleri yakaladı. Kronolojik yaşı taklit etme konusunda daha zayıf bir performans gösterse de, biyolojik yaş puanları gerçek klinik sonuçlarla güçlü bir şekilde ilişkiliydi. Biyolojik yaşı donörün takvim yaşından yüksek olan karaciğerler, cerrahi sonrası safra kanalı sorunlarına daha yatkındı ve daha kötü greft sağkalımı ile ilişkilendirildi. Bu modelde, beklenenden daha yaşlı biyolojik yaş, alıcı durumu ve cerrahi ayrıntılar hesaba katıldıktan sonra bile greft kaybı için bağımsız bir risk faktörü olarak ortaya çıktı.

Karaciğerleri daha hızlı ve daha yavaş yaşlanan gruplara ayırmak

Sonuçları klinikte daha kullanışlı hale getirmek için ekip, biyolojik ve kronolojik yaş arasındaki fark temelinde greftleri iki gruba ayırdı. Organın donörün yaşından daha yaşlı göründüğü hızlanmış yaşlanma grubundaki karaciğerler, nakilden sonra daha kötü performans gösterdi. Biyolojik yaşı takvim yaşına eşit veya geride olan yavaşlamış yaşlanma grubundakiler ise uzun vadeli hayatta kalmada belirgin şekilde daha iyiydi. Çarpıcı bir şekilde, donörler yalnızca kronolojik yaşa göre gruplandırıldığında, sağkalım eğrileri çakıştı ve açık bir fark göstermedi. Bu, makine öğrenimiyle türetilen biyolojik yaşın, basit yaş kesme noktalarının kaçırdığı gerçek biyolojik yıpranmayı yakaladığını düşündürüyor.

Bu gelecekteki nakiller için ne anlama geliyor

Günlük anlamda bu çalışma, daha yaşlı donörlerden alınan bazı karaciğerlerin kağıt üzerinde göründüğünden daha güvenli olabileceğini, daha genç donörlerden gelen bazılarının ise beklenmedik şekilde kırılgan olabileceğini gösteriyor. Birçok laboratuvar ve görüntüleme sinyalini tek, sezgisel bir “organ yaşı”nda yoğunlaştırarak model, greft kalitesini değerlendirmek ve donörleri alıcılarla eşleştirmek için yeni bir yöntem sunuyor. Bulgular hâlâ öncül ve tek merkezden geliyor; bu nedenle daha geniş testler gerekli. Ancak doğrulanırsa, takvim yaşı yerine biyolojik yaşın kullanılması, doktorların bağışçı havuzundan daha fazla kullanılabilir karaciğeri kurtarmasına ve yüksek riskli greftlerden hastaları daha iyi korumasına yardımcı olabilir.

Atıf: Wang, Y., Zhang, L., Xiong, X. et al. A machine learning-derived biological age model for liver grafts provides a superior assessment of aging compared to chronological age in transplantation. Sci Rep 16, 14868 (2026). https://doi.org/10.1038/s41598-026-45531-z

Anahtar kelimeler: karaciğer transplantasyonu, biyolojik yaş, makine öğrenimi, organ bağışı, greft sağkalımı