Çocuklarda abdominal sepsis için açıklanabilir bir makine öğrenimi tanı kriterinin geliştirilmesi ve çok merkezli doğrulanması

Hastalıklı çocuklar için bunun önemi

Bir çocuk şiddetli karın ağrısı ve enfeksiyon şikâyetiyle hastaneye geldiğinde, doktorlar gerçek tehlike altında olanları çok hızlı biçimde belirlemek zorundadır. Abdominal sepsis — bağırsak bölgesinde hayatı tehdit eden bir enfeksiyon — atlanır ya da geç tanınırsa, çocuklarda organ yetmezliği gelişebilir ve tedavi etkisiz hale gelebilir. Bu çalışma, gerçek dünya hastane verilerinden oluşturulmuş, doktorların çocuklardaki abdominal sepsisi daha erken ve daha güvenilir şekilde tespit etmelerine yardımcı olan yeni bir bilgisayar destekli aracı tanımlıyor; araç, günlük olarak zaten topladıkları kan testleri ve hayati bulguları kullanıyor.

Karın içindeki gizli tehdit

Sepsis, dünya genelinde çocuklarda ölüm nedenleri arasında önde gelenlerden biridir ve karında başlayan enfeksiyonlar en tehlikeli biçimlerden biridir. Mevcut sepsis “kuralları” ve skor sistemleri büyük ölçüde yetişkinler için oluşturulmuş olup akciğer ve kalp problemlerine yoğunlaşır. Bu bulgular çocuklarda belirgin hâle gelene kadar karın, karaciğer veya bağırsaklardaki hasar zaten ağırlaşmış olabilir. Mevcut pediatrik araçlar da abdominal sepsisi zamanında saptamakta ve cerrahi ya da agresif tedaviye yol gösterecek kadar erken belirlemede zorlanır. Yazarlar, abdominal hastalıktan şüphelenilen çocuklar için bu tür enfeksiyona özgü, özel bir tanı aracı gerektiğini savunuyorlar.

Rutin testleri akıllı bir alarma dönüştürmek

Araştırma ekibi, 2019–2023 yılları arasında Çin’de büyük bir çocuk hastanesinde tedavi edilen 22.000’den fazla çocuğun elektronik sağlık kayıtlarını topladı; odak noktası apandisit veya bağırsak tıkanıklığı gibi abdominal sorunları olan 6.566 hasta oldu. Bu grup içinde uzmanlar, hangi çocukların gerçekten pediatrik abdominal sepsis (PAS) geçirdiğini belirlemek için grafiklerini, görüntülemelerini, ameliyatlarını, ilaçlarını ve takip notlarını dikkatle gözden geçirdiler. “Aktif öğrenme” yaklaşımı kullandılar: küçük bir örnek üç deneyimli doktor tarafından etiketlendi, ön model eğitildi ve ardından o model doktorlara yeniden incelemeleri için belirsiz yeni vakaları önerdi; bu süreç veri setini yineleyerek uzlaşmazlıkları azalttı.

Güçlü etkiye sahip dokuz basit gösterge

Kabulün ilk 24 saatinde ölçülen onlarca laboratuvar değeri ve hayati bulgudan, araştırmacılar sepsisi diğer abdominal hastalıklardan en iyi ayıran kombinasyonu aradılar. Sonuçta dokuz günlük ölçüm seçildi: kalp hızı; beyaz kan hücresi sayısı; mutlak nötrofil sayısı; γ‑glutamil transferaz adı verilen bir karaciğer enzimi; başka bir karaciğer enzimi (AST); iki kan proteininin (albümin ve globülin) oranı; prealbümin; kalsiyum düzeyi; ve yüksek duyarlılıklı C‑reaktif protein olarak bilinen hassas bir inflamasyon belirteci. Bu testlerin hiçbiri egzotik değil — hepsi rutin bakımın parçası — ama birlikte güçlü bir desen oluşturuyor. Bu dokuz belirteci kullanarak birkaç makine öğrenimi yöntemi karşılaştırıldı ve rastgele orman (random forest) modeli en güvenilir performansı sağladı.

Birden çok hastanede işe yarayan bir araç

Final model olan ABSeD (Abdominal Sepsis Diagnosis), PAS’i diğer abdominal hastalıklardan yüksek doğrulukla ayırt etti. Orijinal hastanenin verilerinde performansı mükemmele yakındı ve iç doğrulamada da sağlam kaldı. Modelin tek merkez dışına genellenip genellenmeyeceğini görmek için ekip bir çevrimiçi platform kurdu ve 2025 başında Zhejiang Eyaleti’ndeki yedi ek hastaneden prospektif olarak veri topladı. Kesin takip veya cerrahi doğrulama olan 308 çocuk arasında, ABSeD yine güçlü sonuçlar gösterdi; abdominal sepsisi olan çoğu çocuğu doğru şekilde işaretledi ve yüksek doğruluk (precision) korudu — yani sepsis uyarısı verdiğinde çoğunlukla haklıydı. Sistem ayrıca dokuz belirtecin her birinin modelin yargısını nasıl etkilediğini göstererek doktorlara gizemli bir “kara kutu” yerine şeffaf bir bakış sunuyor.

Araştırma modelinden yatak başı yardımcısına

Çalışmalarını günlük uygulamada kullanılabilir kılmak için yazarlar, klinisyenlerin bir çocuğun yaşını, temel bilgilerini ve dokuz laboratuvar değerini girdiği web tabanlı bir arayüz oluşturdu. Araç bir risk skoru ve sonuca hangi ölçümlerin katkıda bulunduğuna dair açık bir görsel döküm sunuyor; bu, doktorların bakımın yoğunluğunu artırıp artırmayacağına, görüntüleme isteyip istemeyeceklerine veya cerrahiye gidip gitmeyeceklerine karar vermesine yardımcı oluyor. Çalışma modelin vaatlerini ve sınırlamalarını vurguluyor: model, evrensel tarama için değil, zaten abdominal hastalıktan şüphelenilen çocuklar içindir ve bugüne dek yalnızca bir bölge ve etnik arka planda test edilmiştir. Yine de ABSeD aracı, özenle geliştirilmiş ve açıklanabilir yapay zekânın sıradan laboratuvar testlerini erken uyarı sistemine dönüştürebileceğini ve böylece ölümcül abdominal sepsisi çok geç olmadan yakalayarak çocukların hayatını kurtarabileceğini gösteriyor.

Atıf: Cao, S., Cai, D., Zhang, S. et al. Development and multicenter validation of an explainable machine learning diagnostic criteria for pediatric abdominal sepsis. npj Digit. Med. 9, 312 (2026). https://doi.org/10.1038/s41746-026-02500-0

Anahtar kelimeler: çocuklarda sepsis, abdominal enfeksiyon, makine öğrenimi, erken tanı, klinik karar desteği