Pratisyende çok‑etmenli sistemler kullanılarak aksiyel spondiloartritin erken tanısı

Sırt ağrısının daha akıllı yardıma ihtiyacı var

Kronik bel ağrısı o kadar yaygındır ki birçok kişi — hatta yoğun çalışan aile hekimleri bile — aslında aksiyel spondiloartrit adı verilen ciddi bir inflamatuar omurga hastalığı geliştiren küçük hasta grubunu gözden kaçırabilir. Bu durum, genellikle tanınmadan yıllarca alt omurga eklemlerine zarar verebilir ve insanların en aktif olması gereken on yıllarda sakat kalmalarına yol açabilir. Bu makalenin temelini oluşturan çalışma, ön saftaki doktorların bu yüksek riskli hastaları daha erken fark etmelerine ve uzun vadeli zararı önlemek üzere zamanında uzmanlara yönlendirmelerine dijital asistanlardan oluşan bir Yapay Zeka “ekibinin” yardımcı olup olamayacağını inceliyor.

Günlük sırt ağrısının arkasındaki gizli hastalık

Aksiyel spondiloartrit (axSpA) genellikle hareketle düzelme, geceleri kötüleşme ve aylar süren sırt ağrısıyla genç yetişkinlerde başlar. Küresel prevalansı nispeten düşük olsa da, tedavi edilmeyen hastaların neredeyse yarısı üç yıl içinde sakatlık geliştirir ve beş yıl içinde yaklaşık %70’ine ulaşır. Buna karşın hastalık tipik olarak semptomlar başladıktan yaklaşık yedi yıl sonra tanınır. Bunun başlıca nedenlerinden biri, sırt ağrısı hastalarının çoğunu ilk gören pratisyen hekimlerin uyarı işaretlerine veya hastalığın genellikle başladığı omurganın tabanındaki sakroiliak eklemlerin özel MRI raporlarını okumaya her zaman aşina olmamalarıdır. Sonuçta birçok insan gerçek nedeni anlaşılana dek klinikler ve testler arasında gidip gelir.

Çoklu dijital “ajan”lardan oluşturulmuş bir Yapay Zeka bakım ekibi

Bu sorunu çözmek için araştırmacılar, klinik bir ekibin üyeleri gibi koordine olan bir dizi Yapay Zeka bileşeninden oluşan SpAgents adlı bir sistem geliştirdiler. Bir PlannerAgent doktorla konuşmayı yönetir ve bir sonraki yapılması gerekenleri belirler. Bir DataAgent elektronik sağlık kayıtlarını tarayarak semptomları, laboratuvar testlerini ve yazılı MRI raporlarını toplar. Bir ToolAgent, sakroiliak eklemlerin MRI taramalarını okuyup aktif inflamasyonun bir göstergesi olan kemik iliği ödemini standartlaştırılmış bir skor halinde üreten özel bir görüntüleme modelini çalıştırır. Son olarak DoctorAgent tüm bu bilgileri tartar ve axSpA, axSpA değil veya “emin değil” olmak üzere üç sonuçtan birini açıklar, bununla birlikte açıklama ve ileri tetkik ya da yönlendirme önerileri sunar.

Sistemi gerçek hastalar ve gerçek doktorlar üzerinde test etmek

Ekip, SpAgents’i şüpheli axSpA olan 596 kişiden alınan verilerle değerlendirdi; bu veriler bir ana hastaneden ve beş ek merkezden derlendi. Olguları eğitim, doğrulama ve bağımsız test setlerine ayırdılar. Bu gruplarda SpAgents axSpA’yı yüksek duyarlılıkla (gerçek hastaların yaklaşık %86–94’ünü doğru şekilde işaretleyerek) ve sağlam özgüllükle (hasta olmayanların yaklaşık %74–87’sini doğru şekilde güvence vererek) tanımladı. Yedi hekim — üç pratisyen hekim, farklı deneyim düzeylerinde üç romatolog ve bir ortopedik cerrah — ile doğrudan karşılaştırıldığında SpAgents kıdemli uzmanların performansına eşlik ederken daha az deneyimli klinisyenlere kıyasla hem duyarlılıkta hem de genel doğrulukta bariz üstünlük gösterdi.

Deneyimden öğrenme ve görüntüleri daha akıllıca kullanma

Ham doğruluğun ötesinde, sistem katı bir hesap makinesinden ziyade temkinli bir klinisyen gibi davranacak şekilde tasarlandı. Uzun dönemli bir bellek modülü, geçmişte doğrulanmış vakaları saklayarak yapay zekanın yeni bir hasta ile karşılaştığında benzer durumları “hatırlamasını” ve zaman içinde kararlarını istikrarlı şekilde iyileştirmesini sağlıyor. Bu belleğin eklenmesi duyarlılığı ve doğruluğu tüm veri setlerinde artırdı. Görüntüleme ToolAgent’i de önemli bir rol oynadı: sakroiliak eklem inflamasyonunu nicelendirerek yanlış alarmlardan kaçınma yeteneğini geliştirirken gerçek hastalığı yakalama kapasitesini korudu. Araştırmacılar ayrıca gerçek dünya pratiğini taklit etmek için SpAgents’e farklı bilgi düzeyleri sağladılar — sadece hastanın öyküsünden tam laboratuvar ve MRI verilerine kadar. Daha fazla veri eklendikçe “emin değil” yanıtlarının oranı hızla düştü ve doğruluk arttı; bu da kan belirteçlerinin, genetik testlerin ve MRI’nin her birinin daha net bir tabloya katkıda bulunduğunu vurguluyor.

Ön saftaki doktorların daha erken ve daha güvenli kararlar almasına yardım

Belki de en çarpıcı olanı, pratisyen hekimler ve genç romatologlar değerlendirmelerini SpAgents’in yardımıyla tekrar ettiklerinde duyarlılıkları ve doğrulukları belirgin şekilde artmış ve bu kazanımlar üç ay sonra bile sürmüştür. Başka bir deyişle, yapay zeka sistemi yalnızca ikinci bir görüş sunmakla kalmadı; aynı zamanda eğitici bir ortak olarak iyi tanı alışkanlıklarını pekiştirdi. Yazarlar SpAgents’in hâlâ bazı sınırlamalara sahip olduğunu — MRI’deki tüm kemik değişikliklerini ayırt etmedeki zorluk ve hastane BT sistemleriyle daha derin entegrasyon ihtiyacı gibi — belirtiyorlar, ancak sistem gerçek klinik veriler üzerinde zaten doğru ve düşük maliyetli destek sunuyor. İnatçı bel ağrısı çeken hastalar için bu tür bir yapay zeka asistanı, yıllarca süren belirsizlik ile omurga ve yaşamlarının özgürce hareket etmesini sağlayacak zamanında bir tanı arasındaki farkı yaratabilir.

Atıf: Ji, X., Li, Z., Zeng, L. et al. Early diagnosis of axial spondyloarthritis in primary care using multi-agent systems. npj Digit. Med. 9, 185 (2026). https://doi.org/10.1038/s41746-026-02372-4

Anahtar kelimeler: aksiyel spondiloartrit, sırt ağrısı tanısı, tıbbi yapay zeka, çok‑etmenli sistemler, MRI görüntüleme