Kalp sesi sinyallerinin sinyal işleme ve makine öğrenmesi ile koroner arter hastalığı tanısı: sistematik bir derleme

Arterlere Girmeye Çalışmak Yerine Kalbi Dinlemek

Kalbi besleyen kan damarlarının daralmasıyla ortaya çıkan koroner arter hastalığı, dünya çapında önde gelen ölüm nedenlerinden biridir. Günümüzde hekimler genellikle bu hastalığı, kalbe kateter yerleştiren invazif görüntülemelerle veya maliyeti yüksek görüntüleme cihazlarıyla doğrular. Bu çalışma basit ama çekici bir soruyu gündeme getiriyor: göğüse konulan mikrofonlarla kaydedilen ve bilgisayarlar tarafından yorumlanan sıradan kalp seslerinin dikkatli analizi, tıkalı koroner arterler için güvenli ve hızlı bir ilk tarama sağlayabilir mi?

Daralan Arterlerin Kalp Sesini Neden Değiştirdiği

Bir koroner arter daraldığında, kan daha dar bir açıklıktan geçmeye zorlanır ve türbülanslı, yüksek hızlı bir akış oluşur. Bu türbülans, özellikle kalbin gevşeme fazında—kanın normalde daha sakin aktığı dönemde—zayıf üfürümler ve ekstra titreşimler üretebilir. Aynı zamanda azalan kan beslemesi kalbin kasılma gücünü hafifçe zayıflatabilir ve ana kalp atışlarının zamanlamasını ve şiddetini değiştirebilir. Tüm bu değişiklikler kalp atışının “müziğini” ince bir şekilde yeniden şekillendirir. Modern elektronik stetoskoplar bu sesleri yakalayabilir ve daha sonra bilgisayar analizleri için dijital sinyallere dönüştürebilir.

Araştırmacılar Bilimsel Kaydı Nasıl Taradı

Yazarlar dört büyük tıbbi veri tabanını taradı ve kalp sesleri ile koroner hastalık hakkında binin üzerinde yayını inceledi. Çoğaltılmış kayıtlar, çok küçük çalışmalar ve yöntemleri zayıf olan makaleler çıkarıldıktan sonra, toplamda 13.814 kişiyi kapsayan 40 çalışma kaldı. Bu çalışmaların neredeyse tümü, koroner arterlerin standart görüntülemesiyle anlamlı daralmanın varlığını veya yokluğunu doğruladı ve ardından bu bulguları kalp seslerinden elde edilebilecek bilgilerle karşılaştırdı. Çalışmaların yaklaşık yarısı ses enerjisi ve frekansın matematiksel tanımlarını içeren geleneksel sinyal işlemeye dayanırken, diğer yarısı verilerden doğrudan desen öğrenen makine öğrenmesini kullandı.

Geleneksel Ses Ölçümlerinin Sınırlılıkları

Eskimiş yaklaşımlarda, araştırmacılar daralmış arterleri yansıtabileceğini düşündükleri birkaç belirli ses özelliği seçiyordu. Tipik ölçümler arasında kalbin gevşeme fazında belirli frekans bantlarında görülen ses enerjisi miktarı veya ana kalp atışlarının süresi ve şiddeti vardı. Bu çalışmalar küçük hasta gruplarında umut verici görünüyordu ve bazen hastalıkları vakaların %70’inden fazlasında doğru tanımlayabildiklerini bildirdiler. Ancak örneklem büyüklükleri yüzlerce veya binlere çıktıkça doğruluk düştü; sıklıkla %70’in altına iniyor ve bazen yazı tura kadar düşük seviyelere yaklaşıyordu. Bu çalışmaların birçoğu ayrıca yöntemlerini geliştirdikleri aynı kişiler üzerinde test etti, bu da sonuçların yeni hastalarda korunup korunmayacağı konusunda şüpheler doğurdu.

Makine Öğrenmesi Kalbin Gizli Desenlerini Öğreniyor

Daha yeni çalışmalar farklı bir yol izledi. Kendilerini birkaç elle seçilmiş özellikle sınırlamak yerine bilgisayar algoritmalarının seste daha zengin desenler öğrenmesine izin verdiler. Bazıları onlarca hatta yüzlerce geleneksel ölçümü birleştirdi; diğerleri ham ses dalgasını veya kalp atışının renkli zaman–frekans görsellerini derin öğrenme ağlarına verdi. Bu tür 19 çalışmanın çoğunda duyarlılık ve özgüllük %80’in üzerinde raporlandı; bu da sistemlerin hem hastaları hem de sağlıklı bireyleri çoğu zamanda doğru tanımladığını gösteriyordu. Önemli olarak, çoğu makine öğrenmesi çalışması modellerini eğitimde kullanılmayan kişilerden alınan kalp sesleri üzerinde test etti; bu da araçların genellenebilirliği konusunda daha fazla güven sağladı. Sadece sakin diyastolik fazı dinlemek yerine tüm kalp döngüsünü dinleyen modeller genellikle en iyi performansı gösterdi—bu da arter hastalığına dair faydalı ipuçlarının tek bir ana anda değil, kalp atışının tamamına yayıldığını düşündürüyor.

Günlük Bakım İçin Bunun Anlamı Ne Olabilir

Bir arada değerlendirildiğinde, kanıtlar kalp seslerine uygulanan makine öğrenmesinin koroner arter hastalığını tespit etmek için invazif olmayan bir yardımcı araç olarak gerçek vaat taşıdığını, oysa daha basit sinyal işleme yöntemlerinin tek başına muhtemelen yeterince doğru olmadığını gösteriyor. Yazarlar yine de çoğu çalışmanın şimdiye dek küçük ve tek merkezli olduğunu, genellikle dikkatle kontrol edilmiş kayıt koşullarında yapıldığını belirtiyor. Araştırmadan günlük kullanıma—örneğin acil servislerde, kliniklerde veya hatta akıllı telefon tabanlı araçlarda—geçiş için daha büyük, çok merkezli denemelere ihtiyaç var. Bu gelecekteki çalışmaların, bu tür sistemlerin farklı hasta gruplarında da doğruluğunu koruduğunu, klinisyenler tarafından anlaşılabildiğini ve bakım yollarına sorunsuz şekilde entegre edildiğini göstermesi gerekiyor. Bu engeller aşılabilirse, yapay zekâ desteğiyle kalbi dikkatle dinlemek bir gün invazif bir teste gerek kalmadan gizli arter hastalığını erken aşamada işaretlemeye yardımcı olabilir.

Atıf: Ainiwaer, A., Konings, T.J., Kadier, K. et al. Coronary artery disease diagnosis with signal processing and machine learning of heart sound signals: a systematic review. npj Digit. Med. 9, 350 (2026). https://doi.org/10.1038/s41746-026-02530-8

Anahtar kelimeler: koroner arter hastalığı, kalp sesleri, makine öğrenmesi, invazif olmayan tanı, dijital stetoskop