Vajinal kubbe prolapsusu için cerrahi tedavilerin sistematik derlemesi ve meta-analizinde büyük dil modelleri

Günlük sağlık için bunun önemi

Kadınların daha uzun yaşamasıyla birlikte, pelvik organ prolapsusu—pelvik organların sarkması ve baskı ya da şişlik hissi oluşturması—daha sık görülür hale geldi. Histerektomi sonrasında birçok kadın bu durum için cerrahiye ihtiyaç duyuyor, ancak hangi ameliyatın en iyi ve en kalıcı olduğu konusunda hekimler arasında tartışma sürüyor. Aynı zamanda tıbbi araştırma hacmi hızla artıyor ve klinisyenlerin güncel kalmasını zorlaştırıyor. Bu çalışma her iki sorunu aynı anda ele alıyor: vajinal kubbe prolapsusu için önde gelen cerrahi seçenekleri karşılaştırıyor ve modern bir yapay zeka aracı olan büyük dil modelinin uzmanların tıbbi kanıtı elenmesine güvenli şekilde yardımcı olup olamayacağını test ediyor.

Durumu ve cerrahi seçenekleri anlamak

Vajinal kubbe prolapsusu, uterus çıkarıldıktan sonra vajinanın üst kısmının aşağı doğru sarkmasıyla ortaya çıkar; bu genellikle ağırlık hissi, görünür bir çıkıntı ya da mesane ve bağırsak kontrolü sorunlarıyla kendini gösterir. Cerrahlar bunu birkaç yolla düzeltebilir. Sakrokolpopeksi (SC), vajinanın üstünü karın yoluyla genellikle açık, laparoskopik veya robotik tekniklerle alt omurgadaki güçlü bir ligamana kaldırıp tespit eder. Sakrospinos fikstür (SSF) vajinayı pelvis içindeki bir ligamana vajinal yoldan sabitler. Transvajinal ağ (TVM) bir zamanlar vajinal yoldan yerleştirilen sentetik malzemeyle ek destek sağlıyordu, ancak ağla ilişkili komplikasyon endişeleri bazı ülkelerde—ABD dahil—bu ürünlerin geri çekilmesine yol açtı. On yıllardır kullanımına rağmen, her kadın için açıkça en iyi yaklaşım olarak öne çıkan tek bir yöntem belirlenmedi.

Araştırmacıların insanları ve makineleri nasıl kullandığı

Yazarlar sistematik derleme ve meta-analiz gerçekleştirdiler; bunlar tıbbi kanıtları özetlemenin genellikle “altın standardı” kabul edilen yöntemleridir. Histerektomi sonrası vajinal kubbe prolapsusu cerrahilerini karşılaştıran randomize kontrollü çalışmalara—tedavileri sıkı, başa baş şekilde karşılaştıran çalışmalara—odaklandılar. Çalışmalarını sıradışı kılan nokta, veri tabanı aramasından sonraki her adımın iki kez yapılmış olması: bir kez insan uzmanlar tarafından ve bir kez ChatGPT adlı büyük dil modelinin yardımıyla. Yapay zeka çalışma başlıklarını ve özetlerini taradı, dahil etme kurallarına göre tam makaleleri kontrol etti, cerrahi sonuçlar ve komplikasyonlar hakkında ayrıntılı sayıları çıkardı ve hatta istatistiksel kod ve grafiklerin oluşturulmasına yardımcı oldu; tüm çıktılar klinisyenler tarafından çift kontrollü olarak doğrulandı.

Kliniğin cerrahiye dair kanıtı ne gösteriyor

Derleme, izlem süreleri bir ila dokuz yıl arasında değişen 1.668 kadını içeren 18 randomize denemeyi kapsadı. Genel olarak SC, vajinal tepeyi dayanıklı biçimde destekledi; açık ve laparoskopik yaklaşımlar benzer performans gösterdi. SC ile SSF karşılaştırıldığında, SC’nin prolapsus için tekrar cerrahi gerektirme olasılığını azaltabileceğine dair bir işaret vardı, ancak bu fark istatistiksel olarak kesin değildi ve deneme sayısı azdı. TVM sıklıkla SSF’ye göre daha iyi anatomik düzeltme sağladı—özellikle üç yılda—ama bu kazanç bir maliyet getirdi: daha yüksek ağla ilişkili komplikasyon oranları ve daha fazla tekrar cerrahi. Tüm tekniklerde çoğu kadın belirgin semptom iyileşmesi ve yaşam kalitesinde düzelme bildirdi; yine de bazı kadınlarda sıkıntı yaratmayan anatomik “başarısızlıklar” görüldü; bu durum başarıyı yalnızca hekimlerin muayenede gördükleriyle değil, kadınların günlük hissettikleriyle de değerlendirmek gerektiğini vurguluyor.

Yapay zekanın insan inceleyiciler yanındaki performansı

Kanıt incelemesinde yapay zeka hızlı ve şaşırtıcı derecede güvenilir olduğunu gösterdi, ancak kusursuz değildi. Başlıkları ve özetleri tararken insan inceleyiciyle önemli ölçüde uyum sağladı ve çoğu alakasız makaleyi doğru şekilde reddetti; bununla birlikte ilgili çalışmaların neredeyse yüzde 30’unu kaçırdı—bu denetimsiz kullanmak için çok yüksek bir orandı. Tam metin kararlarında uyum yüzde 94’ün üzerine çıktı ve birçok veri çıkarım türünde doğruluk yaklaşık yüzde 99’a ulaştı; bazen insan hatasını bile yakalıyordu. Her denemenin ne kadar güvenilir olduğunu değerlendiren risk-bias (yanlılık riski) değerlendirmeleri genel olarak iyi uyum gösterdi, ancak hem insanların hem de yapay zekanın eksik sonuçlar veya seçici raporlama gibi ince konularda zorlanabileceğini ortaya koydu. Önemli olarak, yapay zeka desteğiyle üretilen her istatistiksel sonuç geleneksel analizlerle eşleşti ve iş akışının teknik olarak sağlam olduğunu destekledi.

Hastalar ve gelecekteki araştırma için çıkarımlar

Vajinal kubbe prolapsusu cerrahisiyle karşı karşıya kalan kadınlar için bu çalışma birkaç temel noktayı pekiştiriyor. Sakrokolpopeksi, açık ya da laparoskopik olsun güçlü ve dayanıklı bir seçenek olmaya devam ediyor ve sakrospinos fikstüre kıyasla gelecekteki prolapsus cerrahisi olasılığını bir miktar azaltabilir; ancak kesin kanıt eksikliği sürüyor. Transvajinal ağ mükemmel anatomik destek sağlayabilir ancak ağ spesifik komplikasyon risklerini artırır; bu da bazı ülkelerdeki rolünün gerilemesini açıklıyor. En önemlisi, hiçbir tek operasyon tüm sonuçlarda açıkça üstün çıkmadı. Bu nedenle tercihleri dayanıklılık, komplikasyon riski, cerrahi erişim ve her hastanın en çok önem verdiği unsurlar arasında dengeleyerek bireyselleştirmek gerekir. Dijital tarafta ise dikkatle denetlenen yapay zeka araçları karmaşık kanıt derlemelerini hızlandırma ve netleştirme konusunda gerçek vaad sunuyor, fakat insan yargısının yerini almaya henüz hazır değiller. Bunun yerine, klinisyenler ile yapay zeka arasındaki bir ortaklık, cerrahi kararların mevcut en iyi bilimle uyumlu kalmasını sağlamanın önemli bir yolu haline gelebilir.

Atıf: Park, Y., Zhang, HS. & Bai, S.W. Large language models in systematic review and meta-analysis of surgical treatments for vaginal vault prolapse. npj Digit. Med. 9, 262 (2026). https://doi.org/10.1038/s41746-026-02431-w

Anahtar kelimeler: vajinal kubbe prolapsusu cerrahisi, sakrokolpopeksi, transvajinal ağ, sistematik derleme, tıpta yapay zeka