Kötü kontrol edilen tip 2 diyabetli hastaların tedavisini optimize etmek için bir makine öğrenimi modeli

Diyabetli kişiler için bunun önemi

Tip 2 diyabetli birçok kişi için kan şekerini kontrol altında tutmak günlük bir zorluktur ve hekimlerin artık kalbi ve böbrekleri de koruyan birkaç güçlü ilaç seçeneği vardır. En yaygın kullanılan iki yeni tedavi birbirinden çok farklı biçimde etki eder; ancak mevcut kılavuzlar hangi ilacın hangi hasta için daha iyi olduğuna dair az yol gösterir. Bu çalışma, bireysel hastaları uzun vadede kan şekeri kontrolünü iyileştirme olasılığı daha yüksek olan ilaca eşleştirmeyi amaçlayan veri odaklı bir karar aracı sunuyor.

İki modern ilaç, zor bir tercih

Araştırma iki ilaç ailesine odaklanıyor: biri böbreklerin idrarla daha fazla şeker atmasına yardımcı olanlar, diğeri ise vücudun insülin salgılamasını ve yemek sonrası tokluk hissini artıran doğal hormon sinyallerini güçlendirenler. Her iki grup da kan şekerini düşürdüğü ve kalp ile böbrek sorunları riskini azalttığı gösterilmiştir. Ancak günlük uygulamada hekimler genellikle seçim yaparken deneyime veya alışkana dayanıyor; çünkü gerçek dünya hastalarında doğrudan karşılaştırma az ve kilo, hastalık süresi veya böbrek fonksiyonu gibi kişisel faktörlerin tercihi nasıl etkileyeceğine dair sınırlı rehberlik bulunuyor.

Gerçek dünya kayıtlarını akıllı bir skora çevirmek

Bu sorunu ele almak için yazarlar, kötü kontrol edilen tip 2 diyabetli ve iki ilaçtan birini başlatmış Çin'den 24.000'den fazla yetişkinin sağlık kayıtlarını kullandılar. Başlangıçtaki özellikleri ile altı ve on iki ay sonraki kan şekeri düzeyleri arasındaki desenleri saptamak için birçok küçük karar ağacını birleştiren bir makine öğrenimi yöntemi uyguladılar. Yaş, tanıdan geçen yıl sayısı, vücut kitle indeksi, başlangıç kan şekeri ölçümleri, böbrek fonksiyonu, karaciğer enzim düzeyleri, kan yağları ve başka diyabet haplarının kullanılıp kullanılmadığı gibi on beş rutin klinik özellik dahil edildi. Ekip, her ilaç ve her zaman dilimi için ayrı modeller oluşturdu; hem hastaların ortak bir kan şekeri hedefine ulaşıp ulaşmadığını hem de uzun vadeli kesin seviyelerinin ne olacağını sorguladılar.

Daha iyi seçeneği önermek için basit bir araç

Bu modellerden araştırmacılar, her ilacın belirli bir hasta için ne kadar iyi çalışmasının beklendiğini karşılaştıran bir “karar skoru” geliştirdiler. Skor, iki bilgiyi harmanlıyor: kan şekeri hedefine ulaşma olasılığı ve tahmini uzun vadeli kan şekeri değeri; açıkça çok yüksek kalan tahminlere daha ağır cezalar veriliyor. Eğer skor bir ilacı yeterince lehine gösterirse araç o seçeneği öneriyor; tahmini faydalar benzerse araç nötr kalıyor, böylece hekim ve hasta birlikte karar verebiliyor. Araç, bir kişinin klinikte ne sıklıkla görüleceğine göre uyarlanmış: daha düzenli takip görecekler için altı aylık bir versiyon ve daha seyrek izlenenler için on iki aylık bir versiyon bulunuyor.

Hangi tedaviden kim daha çok yararlanır

Skor bağımsız yaklaşık 1.500 hastalık bir grupta test edildiğinde, sonuçları iyi öngördü. Genel olarak, araç hormon temelli ilacı böbrek hedefli ilaca göre yaklaşık iki kat daha fazla kişiye önerdi. Altı aylık dönemde daha kilolu olanlar, daha yüksek karaciğer enzim ve kolesterol düzeyleri gösterenler, korunmuş insülin üretiminin daha güçlü işaretlerine sahip olanlar ve daha kısa diyabet öyküsü olanlar hormon temelli seçeneğe yönlendirilmeye daha yatkındı. On iki ayda ise daha yüksek başlangıç kan şekeri ve daha yüksek vücut kütlesi bu ilaca yönelik öneriyi daha fazla etkiledi. Böbrek fonksiyonu ölçümleri böbrek odaklı ilaç için özellikle önemliyken, insülin üretim göstergesi hormon temelli tedavi için özellikle etkiliydi.

Araç izlendiğinde daha iyi sonuçlar

Önemli olan, gerçek reçeteleri aracın önerisiyle eşleşen kişilerin, öneriye uymayanlarınkinden daha iyi uzun vadeli kan şekeri kontrolü elde etmiş olmalarıdır. Bu avantaj özellikle 55 yaşın altındaki genç yetişkinler ve erkeklerde belirgindi; bu da ilaç seçimini kişisel özelliklere dikkatle uydurmanın, özellikle hastalığın erken döneminde anlamlı bir fark yaratabileceğini gösteriyor. Araştırmacılar ayrıca modele cinsiyet, eğitim, gelir ve bireysel ilaç markalarını ekleyen varyantları test ettiler ve bu eklerin performansı önemli ölçüde iyileştirmediğini buldular; bu, yaygın olarak erişilebilen klinik ölçümlerin zaten güçlü tahmin gücü taşıdığını vurguluyor.

Günlük bakım için ne anlama geliyor

Halk için temel mesaj açık: on binlerce gerçek hastadan öğrenerek, TiP DecScore aracı bireylerin gelecek yıl içinde kan şekerini kontrol altına alma olasılığı daha yüksek olan iki modern diyabet ilacından hangisini tahmin edebiliyor. Bunu hekimlerin rutin ziyaretlerde zaten topladığı bilgilerle yapıyor. Her ne kadar tıbbi yargıyı tamamen ikame etmesin veya her etmeni hesaba katmasın, kullanımı pratikte daha iyi sonuçlarla ilişkilendirildi. Dolayısıyla, tip 2 diyabetli kişilerin yaşamını iyileştirebilecek ve komplikasyonları azaltabilecek daha kişiselleştirilmiş, kanıta dayalı tedavi seçimlerine doğru atılmış bir adımı temsil ediyor.

Atıf: Shi, J., Liu, C., Hu, J. et al. A machine learning model for optimizing treatment of patients with poorly controlled type 2 diabetes. Commun Med 6, 165 (2026). https://doi.org/10.1038/s43856-026-01442-8

Anahtar kelimeler: tip 2 diyabet, kişiye özel tedavi, tıpta makine öğrenimi, GLP-1 reseptör agonistleri, SGLT2 inhibitörleri