Multimodal kontrastif prognostik çerçeve: kardiyak arrest sonrası hastalarda erken nörolojik sonuç tahmini

Kalp durması sonrası erken beyin sonucu neden önemli

Ani bir kalp durmasını takiben birçok kişi canlandırılır ancak bilinçsiz kalmaya devam eder; bu durum aileleri ve klinisyenleri beynin iyileşip iyileşmeyeceği konusunda zor bir belirsizliğe bırakır. Mevcut kılavuzlar genellikle kesin tahminleri üç gün veya daha uzun süre ertelemeyi önerir; oysa tedavi yoğunluğu, kaynak kullanımı ve aile beklentileri gibi kritik kararlar çok daha erken verilmek zorundadır. Bu çalışma, yapay zekânın canlandırmayı izleyen ilk saatlerde zaten mevcut olan bilgileri güvenli biçimde kullanıp kullanamayacağını ve muhtemel beyin iyileşmesi hakkında daha net, daha erken öngörüler sağlayıp sağlayamayacağını araştırıyor.

Soruna daha yakından bakış

Ani kalp durması, Amerika Birleşik Devletleri’nde her yıl yüz binlerce insanı etkiler; sağkalım ve anlamlı beyin iyileşmesi nadirdir. Kan akışı yeniden sağlandıktan sonra birçok hasta, beyne giden oksijen yetersizliği nedeniyle komada kalır. Hekimler, pupillaları ve hareketleri inceleyebilir, beyin dalgalarını değerlendirebilir, kan belirteçlerini ölçebilir ve beyin görüntülerini gözden geçirebilir; ancak bu araçların her biri tek başına kusurludur. Sedasyon, ekipman sınırlamaları ve çelişen test sonuçları belirsizliğe katkıda bulunur. Bu zorluklar nedeniyle birçok hastane nörolojik sonuçlara odaklanarak en az 72 saat bekler; bu da bakım seyrinin belirlendiği erken dönemde bir boşluk yaratır.

Görüntüleri ve yatak başı verileri birleştirmenin yeni yolu

Bu boşluğu kapatmak için araştırmacılar, beyin BT taramalarını rutin klinik bilgilerle harmanlayarak hastanın taburculuk anındaki Cerebral Performance Category (CPC) skorunu tahmin eden CLAIR adlı çok modlu bir yapay zekâ sistemi geliştirdi. CLAIR sadece tek bir görüntüye ya da tek bir sayıya bakmıyor. Bunun yerine kafa için üç farklı görünümden elde edilen BT rekonstrüksiyonlarını; yaş, kalbin tekrar atmaya başlamasına kadar geçen süre, vücut sıcaklığı, laboratuvar belirteçleri ve mevcutsa elektriksel beyin testleri gibi verilerle birlikte alıyor. Özelleşmiş bir mimari, görüntü özelliklerinin ve klinik özelliklerin birbirlerine “dikkat” etmelerine izin veriyor; böylece bir taramanın anlamı tam klinik bağlam içinde yorumlanabiliyor.

Çalışma modeli nasıl test etti

Araştırma ekibi, 2020 ile 2022 arasında tek bir sağlık merkezinde kardiyak arrest geçirmiş ve en az bir kafa BT’si bulunan 208 erişkini retrospektif olarak analiz etti. Hayat desteğinin beyin dışı nedenlerle kesildiği hastalar nörolojik sonuçlara odaklanmak için hariç tutuldu. Toplamda 306 BT taraması toplandı; ancak önemli olarak CLAIR’ın ana testlerinde sadece arrestten sonraki ilk 24 saat içinde elde edilen taramalar kullanıldı; zamanlamanın medyanı üç saat civarındaydı. Veriler hasta bazında eğitim, doğrulama ve test setlerine bölündü, böylece çakışma önlendi. CLAIR, iki versiyonda eğitilip değerlendirildi: biri kabulün erken döneminde elde edilebilen bilgilerle sınırlı olan; diğeri ise hastane yatışı süresince toplanan daha sonraki test sonuçlarını da içeren.

CLAIR ne kadar iyi performans gösterdi

CLAIR’ın tahminleri güçlü bir sadece-görüntüye dayalı derin öğrenme modeli ve iki deneyimli nörologun değerlendirmeleriyle karşılaştırıldı. Çoklu görünüm BT taramaları ve erken klinik veriler birlikte verildiğinde CLAIR, ROC eğrisi altındaki alan (AUC) değeri olarak 0,94 elde etti; bu, yaklaşık 0,80 ulaşan sadece BT’ye dayalı görüntüleme yaklaşımından açıkça daha yüksekti. Bu, CLAIR’ın sonunda iyi beyin fonksiyonu gösterecek hastaları kötü sonuçlu olanlardan ayırt etmede daha iyi olduğu anlamına geliyor. CLAIR’ın her iki versiyonu da yüksek doğruluk, duyarlılık ve özgüllük sergiledi. Özellikle zorlu 20 vakada yapılan ayrı bir çalışmada, hem insan hem yapay zekâ değerlendiricileri bazı hatalar yaptı; ancak CLAIR’ın tahminlerini görmelerine izin verilen klinisyenler yalnız çalışırken yaptıklarından daha az prognostik hata yaptı; bu, aracın uzman yargısının yerine geçmek yerine yararlı bir ikinci görüş olarak hareket edebileceğini düşündürüyor.

Bu hastalar ve aileleri için ne anlama gelebilir

Çalışma, erken beyin BT taramalarını ve yatak başı klinik verilerini birlikte analiz eden bir yapay zekâ sisteminin, sadece görüntüleme yöntemlerine kıyasla kardiyak arrest sonrası nörolojik sonucu daha doğru erken öngörülebileceğini gösteriyor. Çalışma tek merkezli ve orta büyüklükte bir veri setine dayandığı ve daha büyük, daha çeşitli popülasyonlarda doğrulama gerektirdiği için bulguların dikkatle değerlendirilmesi gerekir; yine de bu, hekimler ve ailelerin muhtemel iyileşme konusunda iyi bilgilendirilmiş bir resim için günlerce beklemek zorunda kalmayabileceği bir geleceğe işaret ediyor. Klinik uzmanlıkla birlikte dikkatle kullanıldığında, bu tür araçlar devam eden tedavi, yakınlarla iletişim ve yoğun bakım kaynaklarının adil kullanımı hakkında daha zamanında ve düşünceli kararları destekleyebilir.

Atıf: Kasturi, A., Proctor, A.R., Vosoughi, A. et al. Multimodal contrastive prognostication framework for early neurological outcome prediction in post-cardiac arrest patients. Sci Rep 16, 15582 (2026). https://doi.org/10.1038/s41598-026-45573-3

Anahtar kelimeler: kalp durması, nörolojik sonuç, beyin BT, yapay zekâ, prognostikasyon