Osteoporotik vertebral kompresyon kırıklarına yönelik perkütan kifoplasti sonrası komplikasyonların tahmininde BBD’ler ve makine öğrenmesinin karşılaştırmalı performansı

Kırılgan omurgası olan insanlar için neden önemli

Daha fazla insan ileri yaşlara ulaştıkça, kemik erimesine bağlı ağrılı omurga kırıkları giderek yaygınlaşıyor. Sıklıkla uygulanan bir tedavi olan perkütan kifoplasti hızla ağrıyı hafifletebilir, ancak istenmeyen yan etkilere yol açabilir. Bu çalışma, popüler sohbet botlarına benzeyen büyük dil modelleri de dahil olmak üzere modern yapay zeka araçlarının, hangi hastaların tedavi sonrası bu komplikasyonları yaşama olasılığının daha yüksek olduğunu doktorların tahmin etmesine yardımcı olup olamayacağını sorguluyor.

Omurga sorunu ve yaygın çözümü

Osteoporotik vertebral kompresyon kırıkları, omurgadaki zayıflamış kemiklerin çökmesiyle meydana gelir; genellikle küçük bir düşme ya da günlük basit aktiviteler sonrasında ortaya çıkar. Perkütan kifoplasti, kırılmış kemik parçalarını bir balon yerleştirip boşluğu kemik çimentosu ile doldurarak stabilize etmeyi amaçlar; bu genellikle ağrıyı azaltır ve ezilmiş vertebranın bir miktar yüksekliğini geri kazandırır. Ancak çimento bazen kemikten dışarı sızabilir ve aylar sonra omurganın diğer seviyelerinde yeni kırıklar gelişebilir. Bu komplikasyonlar sinir hasarı, akciğer sorunları ve devam eden ağrı gibi ciddi problemlere yol açabileceğinden, doktorlar ameliyat öncesinde yüksek riskli hastaları belirleyebilecek araçlara ilgi duymaktadır.

Eski tip bilgisayar modelleri ve insan yargısı

Büyük dil modellerinin yükselişinden önce, araştırmacılar hasta kayıtları ve görüntülerden desenleri öğrenen geleneksel makine öğrenmesi sistemleri geliştirdiler. Bu sistemler yaş, kemik yoğunluğu, kırık şekli ve çimentonun dağılımı gibi birçok ayrıntıyı birleştirerek çimento kaçakları veya yeni kırık olasılığını tahmin edebiliyor. Aynı zamanda, deneyimli omurga cerrahları da aynı bilgileri inceleyerek kendi değerlendirmelerini oluşturuyor. Bu eski bilgisayar modelleri genellikle iyi performans gösterse de, dikkatli eğitim, teknik uzmanlık ve hesaplama kaynakları gerektirir; bu da onların günlük hastane ortamında kullanımını sınırlayabilir.

Sohbet botlarını teste sokmak

Bu çalışmada araştırmacılar Pekin’de büyük bir hastanede kifoplasti uygulanmış binden fazla hastadan veri topladı. Her hasta için standart klinik ve görüntüleme bilgileri kaydedildi; ardından iki büyük dil modeli, bir dizi geleneksel makine öğrenmesi modeli ve iki omurga cerrahından çimentonun sızıp sızmayacağını ve ilerleyen dönemde yeni kırıkların ortaya çıkıp çıkmayacağını tahmin etmeleri istendi. Sohbet botları iki şekilde test edildi. Zero-shot (örnek gösterilmeyen) durumda yalnızca vaka ayrıntıları verildi ve tahminleri istendi. Few-shot (az sayıda örnek gösterilen) durumda ise önce bilinen sonuçlara sahip küçük bir örnek kümesi gösterilerek bu örneklerden öğrenmenin cevapları iyileştirip iyileştirmeyeceği gözlendi.

Bilgisayarların ve cerrahların doğruları ile yanlışları

Cerrahi sonrası yakın dönemdeki çimento kaçaklarını tahmin etmede büyük dil modelleri makul bir performans sergiledi. Sonuçları en iyi geleneksel bilgisayar modellerine benzerdi ve tek başına çalışan cerrahlardan biraz daha iyiydi. Ancak aylar sonra ortaya çıkan yeni kırıkları tahmin etmede sohbet botları zorlandı. İlk denemeleri zayıftı ve neredeyse herkesin yeni bir kırık yaşayacağı yönünde belirgin bir önyargı gösterdiler. Örnek vaka sağlamak bir miktar yardımcı oldu, fakat özellikle destek vektör makinesi olarak adlandırılan bir model olmak üzere geleneksel makine öğrenmesi hâlâ daha güvenilir performans sergiledi. Sohbet botları ayrıca çimentonun tam olarak nereden sızdığı veya hangi vertebranın bir sonraki kırılacağı gibi belirli komplikasyon alt tiplerini tanımlamada da başarısız oldu.

Doktorlara yardım, fakat henüz tek başına bir araç değil

İlginç bir bulgu, cerrahların bazen sohbet botlarının açıklamalarından faydalandıkları, ancak bunun sadece modellerin zaten iyi performans gösterdiği görevlerde geçerli olduğu idi. Temel tahminler zayıf olduğunda, örneğin uzun vadeli kırıklarda, açıklamalar doktorların kararlarını iyileştirmedi. Genel olarak çalışma, mevcut büyük dil modellerinin kifoplasti sonrası bazı kısa vadeli riskler için yararlı destek sunabileceğini, ancak mevcut bilgisayar modellerinin veya uzman görüşünün yerini alacak kadar güvenilir olmadığını gösteriyor. Şimdilik bu modeller erken destekleyiciler olarak görülmeli; gerçek dünyada omurga bakımına güvenle rehberlik edebilmeleri için tıbbi verilere daha iyi eğitim, ince ayar ve görüntüleme araçlarıyla daha yakın entegrasyon gerekmektedir.

Atıf: Wang, T., Chen, R., Liang, M. et al. Comparative performance of LLMs and machine learning in predicting complications after percutaneous kyphoplasty for osteoporotic vertebral compression fractures. npj Digit. Med. 9, 401 (2026). https://doi.org/10.1038/s41746-026-02588-4

Anahtar kelimeler: osteoporotik omurga kırıkları, perkütan kifoplasti, büyük dil modelleri, tıpta makine öğrenmesi, cerrahi risk tahmini