Farklı Nüfuslarda Tip 2 Diyabette Kronik Böbrek Hastalığı İlerlemesinin Risk Tahmini

Bu, diyabetli kişiler için neden önemli

Tip 2 diyabetli birçok kişide zamanla böbrek sorunları gelişir; bu bazen diyaliz veya nakle kadar ilerleyebilir. Ancak tek bir birey için doktorların kimin böbrek fonksiyonunun hızla kötüleşeceğini, kiminse yıllarca stabil kalacağını söylemesi zordur. Bu çalışma, uzun dönemli sağlık kayıtlarıyla modern bilgisayar tekniklerinin birleştirilerek böbrek sorunlarını yıllar öncesinden öngörebileceğini ve hastalar ile klinisyenlere harekete geçmek için daha fazla zaman sağlayabileceğini gösteriyor.

Binlerce hastayı yıllarca izlemek

Araştırmacılar, yerel nüfusun büyük kısmına hizmet eden Hong Kong’un kamu sağlık sistemi elektronik sağlık kayıtlarını kullandı. 2003–2019 arasında tekrarlanan böbrek testleri yapılmış 220.000’den fazla tip 2 diyabetli yetişkine odaklandılar ve başlangıçta böbrekleri daha erken, düşük riskli evrelerde olanları seçtiler. 17 yıl boyunca kimlerin kronik böbrek hastalığının daha ciddi evrelerine ilerlediğini, kimlerin stabil kaldığını izlediler. Sağlığın gerçek hayatta nasıl sunulduğunu yansıtmak için iki, beş veya on yıl ileriye bakan ayrı tahmin modelleri kurdular.

Bilgisayarlara sağlık geçmişi okumayı öğretmek

Sadece birkaç basit risk faktörünü kullanmak yerine ekip, aynı anda birçok bilgi parçası arasındaki örüntüleri ortaya çıkarabilen esnek bilgisayar sistemleri olan derin öğrenme modelleri eğitti. Modeller yaş, cinsiyet, vücut ölçüleri, kan yağları, uzun süreli kan şekeri kontrolü, böbrekle ilgili kan testleri, kan basıncı, sigara öyküsü ve tansiyon ilaçları ile insülin gibi temel ilaç kayıtları dahil olmak üzere rutin olarak toplanan 21 karışık ölçümü aldı. Daha az test mevcut olduğunda kullanılmak üzere en sık ölçülen 15 öğeyi kullanan sadeleştirilmiş bir versiyon da oluşturdular. Modeller verinin %80’i üzerinde eğitildi ve kalan %20’sinde doğrulandı; eksik değerleri doldurmak ve aşırı uydurmayı önlemek için özel yöntemler uygulandı.

Tahminler ne kadar iyi çalıştı

Tüm zaman dilimlerinde derin öğrenme modelleri geleneksel istatistiksel araçlardan ve diğer makine öğrenimi yöntemlerinden daha isabetliydi. Hong Kong’daki hastalar için tam model, iki yılda yaklaşık %87, beşte %85 ve onda %85 civarında ROC eğrisi altındaki alan ile gelecekteki böbrek riskini doğru sıraladı; bu da genellikle kimin daha erken kötüleşeceğini söyleyebildiği anlamına geliyor. Basitleştirilmiş model ise yalnızca biraz daha düşük performans gösterdi. Aynı modeller iki bağımsız araştırma kohortuna — UK Biobank ve China Health and Retirement Longitudinal Study — uygulandığında, birçok ayrıntılı laboratuvar veya reçete kaydı bu veri setlerinde eksik olmasına rağmen makul şekilde iyi çalıştılar. Bu durum yaklaşımın farklı ülkelere ve sağlık sistemlerine taşınabileceğini gösteriyor.

Riskin sürükleyen faktörleri ve sonuçların bakım yönlendirmesi

Klinisyenlerin tahminleri anlayabilmesi için ekip, her bir faktörün model kararlarına ne kadar katkıda bulunduğunu gösteren bir analiz tekniği kullandı. En güçlü sinyaller böbrek filtresini gösteren kan kreatinini, cinsiyet, yaş, kan basıncı, uzun dönem kan şekeri ve böbrek ile kan basıncını etkileyen ilaçların son zamanlardaki kullanımıydı. Bilgisayarın risk puanları daha sonra standart sağkalım analizi araçlarına beslenerek düşük, orta veya yüksek öngörülen riske sahip kişilerin ne kadar hızlı ilerlediğini gösteren eğriler çizildi. Her grupta, daha yüksek öngörülen riske sahip olanlar daha kısa zamanda daha kötü böbrek evrelerine ilerledi ve böbrek sağlığı “sağkalım” süreleri daha kısaydı; bu da puanların gerçek klinik anlam taşıdığını doğruladı. Önemli olarak, performans genel olarak erkekler ve kadınlar için benzerdi, ancak bir dış kohortta daha uzun vadeli tahminlerde bazı farklılıklar vardı.

Günlük tedavi için olası etkiler

Özetle çalışma, rutin klinik verileri tip 2 diyabetli kişiler için kişiselleştirilmiş böbrek sağlığı tahminlerine dönüştürmenin pratik bir yolunu sunuyor. Bir doktor hastanın yaşını, laboratuvar sonuçlarını ve son reçetelerini girerek önümüzdeki birkaç yıl içinde böbrek bozulma olasılığını tahmin eden bir sonuca ve beklenen hastalık seyrinin görsel eğrisine ulaşabilir. Yüksek riskli olarak işaretlenenler daha yakın takip, daha sıkı tansiyon ve şeker kontrolü ve daha erken böbrek uzmanına yönlendirme alabilirken, düşük riskliler gereksiz ziyaretlerden kaçınabilir. Yazarlar modelin hangi tedavilerin hastalığı önlediğini kanıtlayamayacağını ve daha fazla veri türü ile nüfusları kapsamak için ek çalışmalara ihtiyaç olduğunu not etseler de çerçeve, laboratuvar değerlerindeki ve ilaç kullanımındaki sessiz değişikliklerin böbrek yetmezliği başlamadan çok önce net, uygulanabilir uyarılara çevrilebileceği bir geleceğe işaret ediyor.

Atıf: Zhao, Y., Lu, S., Lu, J. et al. Risk Prediction of Chronic Kidney Disease Progression in Type 2 Diabetes Mellitus Across Diverse Populations. npj Digit. Med. 9, 250 (2026). https://doi.org/10.1038/s41746-026-02439-2

Anahtar kelimeler: tip 2 diyabet, kronik böbrek hastalığı, risk tahmini, elektronik sağlık kayıtları, derin öğrenme