PET biyobelirteçlerinden koroner arter hastalığı tanısı için yorumlanabilir Yapay Zekânın çok merkezli değerlendirmesi

Kalp Taraması Yapay Zekâsının Önemi

Koroner arter hastalığı, kalbe giden kan akışını engelleyebilen plak birikimi, hâlâ dünya çapında kalp krizleri ve ölümlerin önde gelen nedenlerinden biridir. PET/BT gibi modern görüntüleme testleri kan akışını, kalp fonksiyonunu ve arterlerdeki kalsiyum birikimini ortaya koyabilir; ancak verinin yoğunluğu uzman okuyucuları bile bunaltabilir. Bu çalışma, yorumlanabilir bir yapay zekâ (YZ) modelinin bu öğeleri tek, kullanımı kolay bir skorda nasıl birleştirip doktorların tehlikeli tıkanıklıkları daha doğru şekilde saptamasına yardımcı olabileceğini ve kararını hangi bulguların yönlendirdiğini açıkça gösterme yollarını araştırıyor.

Çok Sayıda Kalp Sinyalini Tek Bir Görüntüye Toplamak

Hastalar PET/BT kalp taramasından geçtiğinde hekimler, istirahat ve stres sırasında kalp kasına kanın ne kadar iyi ulaştığını, kalbin ne kadar güçlü pompaladığını ve koroner arterlerde uzun vadeli plak birikiminin göstergesi olan kalsiyum miktarını görebilirler. Geleneksel olarak klinisyenler bu ölçümleri tek tek inceler ve sonra damarların daralmış olup olmadığına karar vermek için zihinsel olarak birleştirirler. Bu zihinsel entegrasyon zor ve bazen tutarsızdır; kan akışı, perfüzyon defektleri ve kalsiyum skorlarını birlikte değerlendirmek için evrensel bir yöntem yoktur. Araştırmacılar, rutin olarak elde edilen on tarama temelli ölçümü ve hastanın cinsiyetini tek bir önemli arter tıkanıklığı olasılığına dönüştürebilen bir YZ aracı geliştirmeyi amaçladılar.

Çalışma Nasıl Gerçekleştirildi

Ekip, PET/BT kalp taraması yapılmış 17.348 hastadan oluşan büyük bir uluslararası kayıttan yararlandı. Bu gruptan, önceki kalp krizi veya by-pass öyküsü olmayan ve ardından invaziv koroner anjiyografi (tıkalı arterleri doğrulamak için kullanılan boya bazlı röntgen testi) yapılan dört merkezden 1.664 kişiye odaklandılar. Bir hastanenin verileri (386 hasta) YZ modelini eğitmek ve ince ayar yapmak için kullanıldı, diğer üç hastanenin verileri (1.278 hasta) ise gerçek "dış" test için ayrıldı. XGBoost adlı bir makine öğrenmesi tekniğine dayanan YZ modeli, stres altındaki kan akışı, koroner rezerva, perfüzyon defektlerinin büyüklüğü, CT görüntülerinden otomatik ölçülen kalsiyum skorları, pompalama gücü ve kalbin stres altındaki boyut değişimini ölçen bir dahil olmak üzere on tarama türevi özelliği kullandı.

YZ Ne Kadar İyi Performans Gösterdi

Dış test grubunda—yaklaşık yarısı gerçekten obstrüktif koroner arter hastalığına sahipken—YZ modeli hem tekil ölçümleri hem de deneyimli hekimleri açıkça geride bıraktı. Alıcı işletim karakteristiği eğrisi altındaki alan (AUC) gibi yaygın bir doğruluk ölçütü kullanıldığında YZ 0,83 değerine ulaşırken, uzman klinik skorlar için 0,80, ana perfüzyon ölçütü için 0,79, kan akışı rezervi için 0,75 ve yalnızca kalsiyum için 0,69 değeri elde edildi. Araştırmacılar eşiği, YZ’nin geleneksel eşiklerle yaklaşık aynı oranı "normal" olarak etiketleyecek şekilde ayarladıklarında, YZ ciddi çok damarlı hastalığa sahip daha fazla yüksek riskli hastayı tespit etti. Performansı erkeklerde ve kadınlarda, genç ve yaşlı hastalarda ile obez ve obez olmayan kişilerde istikrarlıydı; bu da yaklaşımın geniş biçimde uygulanabilir olduğunu düşündürüyor.

YZ’nin Mantığını Görünür Kılmak

Tıptaki gelişmiş algoritmalarla ilgili önemli bir endişe, bunların "kara kutu" gibi davranarak açıklama olmadan tahminler sunabilmesidir. Bunu önlemek için yazarlar, her bireysel tahmini hangi tarama özelliklerinin en çok etkilediğini göstermek amacıyla SHAP analizi adlı bir teknik kullandılar. Çalışma genelinde en önemli sürücüler, azalmış kan akışına sahip olan kalp kası miktarı, toplam kalsiyum yükü ve kan akışı rezerviydi. Örneğin, şiddetli azalmış akış ve yüksek riskli anjiyografi bulguları olan bir sergilenen hastada YZ, esas olarak kötü rezerva nedeniyle yüksek hastalık olasılığı atadı. Kenar perfüzyon skorları olan ancak normal kan akışı ve sıfır kalsiyuma sahip başka bir hastada YZ, daha alarmist bir hekim okumasının aksine hastalığın düşük olasılığını doğru şekilde gösterdi. Böyle vaka bazlı açıklamalar, klinisyenlerin YZ destekli kararları güvenle doğrulamasına yardımcı olabilir.

Bu Hastalar İçin Ne Anlama Geliyor

Bu çalışma, standart PET/BT kalp taraması ölçümlerini ve otomatik kalsiyum skorlamasını birleştirerek koroner arter hastalığını teşhis eden ilk çok merkezli, dışarıdan test edilmiş YZ sistemini tanıtıyor. Model, genellikle uzman okuyucuların doğruluğunu aşan ve her bir yargının arkasındaki spesifik tarama özelliklerini vurgulayan tek, yorumlanabilir bir risk tahmini sunuyor. Araç henüz rutin klinik kullanım için onaylanmamış olup ileriye dönük ek çalışmalara ihtiyaç olsa da, kalp görüntüleme sonuçlarının net, kişiselleştirilmiş risk skorlarına özetlendiği ve doktorların kimlerin invaziv test veya agresif tedaviye ihtiyaç duyduğuna—ve kimin güvenle kaçınabileceğine—daha emin karar vermesine yardımcı olan bir geleceğe işaret ediyor.

Atıf: Zhang, W., Kwiecinski, J., Shanbhag, A. et al. Multicenter evaluation of interpretable AI for coronary artery disease diagnosis from PET biomarkers. npj Digit. Med. 9, 154 (2026). https://doi.org/10.1038/s41746-026-02338-6

Anahtar kelimeler: koroner arter hastalığı, kardiyak PET CT, yapay zekâ, kalsiyum skoru, miyokardiyal kan akımı