Prescriber tarafından bilgilendirilen tedavi faydası tahmini kullanarak üriner sistem enfeksiyonlarında algoritmik antibiyotik karar verme

Yaygın Enfeksiyonlar İçin Daha Akıllı Antibiyotikler

Üriner sistem enfeksiyonları (ÜSE) insanların sıklıkla antibiyotik aldığı sebeplerin başında gelir. Ancak doğru ilacı seçmek bir denge işidir: hekimlerin enfeksiyonu iyileştirmesi, ciddi yan etkilere engel olması ve toplumda artan antibiyotik direncini koruması gerekir. Bu çalışma, geniş çaplı hastane verilerini hekimlerin gerçek dünya öncelikleriyle birleştirerek, hem hasta için etkin hem de toplum açısından daha güvenli antibiyotikleri seçmeye yardımcı olmayı amaçlayan yeni bir karar algoritması sunuyor.

Güçlü İlaçlarla İlgili Sorun

Modern tıp antibiyotiklere dayanıyor, ancak geniş spektrumlu, “büyük kalibre” ilaçların aşırı kullanımı küresel bir antimikrobiyal direnç krizine yol açıyor. Birleşmiş Milletler bir hedef belirledi: 2030’a kadar dünya çapında antibiyotik kullanımının %70’inin Dünya Sağlık Örgütü tarafından “Erişim” (Access) olarak sınıflandırılan daha dar, birinci basamak ilaçlardan gelmesi. Pratikte birçok hekim, özellikle hastalar çok hasta olduğunda, daha dar bir seçeneğin dirençli bakteriler karşısında başarısız olabileceği endişesiyle “İzle” (Watch) veya “Rezerv” (Reserve) olarak etiketlenen daha geniş ilaçlara yöneliyor. Sonuç olarak, ne zaman daha güvenli, daha dar spektrumlu bir ilacın aynı etkiyi sağlayacağına karar verecek net araçlar olmadan, uzun vadeli direnç risklerini kısa vadeli huzur pahasına sıklıkla göze alıyoruz.

Algoritmayı Hekim Gibi Düşünmeye Öğretmek

Araştırmacılar, ÜSE’lere odaklanan bir antibiyotik karar algoritması oluşturmak için Boston’daki yaklaşık 94.000 hastanede yatan hastanın ayrıntılı elektronik kayıtlarını kullandılar. Önce, 13 farklı antibiyotik için ÜSE’ye neden olan bakterilerin duyarlı olma olasılığını ve tedavinin Clostridioides difficile enfeksiyonu veya ciddi ilaç toksisitesi gibi problemlere yol açma olasılığını tahmin eden modeller eğitildi. Ardından, Birleşik Krallık’tan 49 farklı uzmanlıktan hekimlere, yan etki riski, ÜSE’ye uygunluk, maliyet, Erişim mi yoksa İzle/Rezerv mi olduğu ve tablet ya da intravenöz formda olup olmadığı gibi özellikleri farklı kurgusal antibiyotikler arasında tercih yaptırılan çevrimiçi bir sıralama egzersizi tamamlatıldı. Bu sıralamaları analiz ederek ekip, doktorların her bir özelliğe ne kadar önem verdiğini nicel olarak belirledi—örneğin, ÜSE’ye uygun, düşük toksisiteli, oral ilaçları daha riskli veya daha güçlü seçeneklere göre ne kadar tercih ettiklerini.

Çok Hasta Hastalar İçin Güvenlik Ağı Eklemek

Nihai algoritma bu iki bileşeni harmanladı: veri kaynaklı tahminler ve hekim değer yargıları. Her hasta için algoritma her bir antibiyotik için ilacın işe yarama olasılığı, ciddi yan etki olasılıkları, Erişim/İzle/Rezerv kategorisi ve oral ya da intravenöz oluşu dikkate alınarak bir “tedavi değeri” hesapladı. Kritik olarak, algoritma acil serviste hastanın ne kadar kötü göründüğüne dayanan bir güvenlik mekanizması da içeriyordu. Hastalık şiddeti arttıkça algoritma otomatik olarak enfeksiyonu güçlü şekilde hedeflemeye ve intravenöz seçeneklere daha fazla ağırlık verdi. Yani hafif hasta olanlarda dar spektrumlu, oral ilaçları teşvik etmeye çalışırken, hastalar daha ağırlaştıkça tedavi başarısızlığından korumak için giderek daha güçlü, intravenöz antibiyotikleri kullanmaya istekli hale geldi.

Algoritma Hekimlerle Nasıl Kıyaslandı

Ekip daha sonra gerçek acil servis olgularını kullanarak bir simülasyon çalıştırdı; bu olgularda hastalarda ÜSE vardı ve idrar kültürleri gönderilmişti. İnsan hekimlerin gerçekte verdiği antibiyotiklerle, kültür gönderildiği anda algoritmanın seçeceği ilaçlar karşılaştırıldı. Her iki yaklaşım da hastanın bakterisini kapsayan bir antibiyotik seçmede benzer şekilde başarılıydı. Ancak algoritma bunu yaparken çok daha fazla dar spektrumlu Erişim ilacını ve çok daha fazla oral tedaviyi tercih etti, ayrıca daha az intravenöz antibiyotik kullandı. Daha hasta olan vakalarda algoritma, insan reçetecilere benzer şekilde davranarak uygun biçimde intravenöz ve daha güçlü ilaçlara kaydı. Farklılık, özellikle orta derecede hasta hastalarda, algoritmanın nitrofurantoin ve ampisilin-sulbaktam gibi oral, Erişim kategorisi ilaçlarla güvenle tedavi etme fırsatlarını tanımasıydı; birçok durumda hekimlerin varsayılan olarak daha geniş seçeneklere yönelmesinden kaçındı.

Günlük Bakım İçin Anlamı Nedir

Genel okuyucu için ana mesaj şudur: bu sistem hekimlerin yerini almaz; bunun yerine, kliniklerin zaten önem verdiği ancak kafalarında kesin olarak hesaplayamadıkları karmaşık risk–fayda takaslarını hesaplayan bir hesap makinesi gibi davranır. Hekimlerin kendi önceliklerini antibiyotiklerin performansı hakkındaki geniş ölçekli kanıtlarla birleştirerek, algoritma bireysel hastalar için aynı derecede etkili ama vücuda ve halk sağlığına daha nazik tedaviler önerebilir—güvenli olduğunda damla yerine hapı ve mümkün olduğunda son çare ilaçlar yerine daha dar ilaçları tercih ederek. Daha fazla ortamda doğrulanırsa, bu tür araçlar hastanelerin ve sağlık sistemlerinin sorumlu antibiyotik kullanımına ilişkin küresel hedeflere yaklaşmasına yardımcı olabilir, kritik derecede hasta olarak gelen kişilerin güvenliğinden ödün vermeden.

Atıf: Howard, A., Green, P.L., Zhong, Y. et al. Algorithmic antibiotic decision-making in urinary tract infection using prescriber-informed prediction of treatment utility. npj Digit. Med. 9, 136 (2026). https://doi.org/10.1038/s41746-026-02369-z

Anahtar kelimeler: üriner sistem enfeksiyonu, antibiyotik yönetimi, klinik karar destek, antimikrobiyel direnç, tıpta makine öğrenimi