Tümör hastalarında kateterle ilişkili trombozu kişiselleştirilmiş önleme için makine öğrenmesi sağkalım modeli

Bu araştırma kanser hastaları için neden önemli

Birçok kanser hastası, tekrar tekrar iğne batırılmasını engellemek için büyük damarlara yerleştirilen ince plastik tüplere (merkezî hatlara) güvenir. Bu hatlar konforu artırır, ancak kateter çevresinde tehlikeli kan pıhtılarını tetikleyebilir. Hekimlerin şu anda hangi hastaların en yüksek riske sahip olduğunu veya kateterin ne zaman en güvenli şekilde çıkarılacağını değerlendirebilecek güvenilir araçları sınırlıdır. Bu çalışma, kimin kateter ilişkili pıhtı geliştirebileceğini ve riskin ne zaman en yüksek olacağını tahmin etmeyi amaçlayan veri odaklı bir modeli tanıtıyor; böylece bakım her kişi için daha iyi uyarlanabilir.

Büyük bir gerçek dünya hasta veri havuzu

Tahmin aracını oluşturmak için araştırmacılar, Çin’de dört hastanede tedavi gören 30.947 erişkin kanser hastasından kateter verilerini topladı. Hepsinin doğrulanmış bir malign tümörü vardı ve bir merkezî hat yerleştirildikten sonra en az bir ultrason muayenesi yapılmıştı. Her kateter yerleştirmesi için ekip, yaş, cinsiyet, vücut kitle indeksi, sigara ve alkol alışkanlıkları, hipertansiyon veya önceden pıhtı öyküsü gibi geçmiş durumlar, tümör tipi ve evresi, katetere ilişkin ayrıntılar ve yaygın kan testleri dahil olmak üzere 47 başlangıç özelliğini topladı. Ayrıca kateter yerindeyken hastaların hangi kanser ilaçları ve hedefe yönelik tedaviler aldığı ve her kateterin çıkarılana veya pıhtı oluşana kadar tam olarak ne kadar kaldığı kaydedildi.

Riskin zaman içindeki akışını takip etmeyi öğreten bir model

Pıhtının hiç olup olmayacağına ilişkin basit bir evet/hayır sorusu sormak yerine ekip, kateter yerleştirmeden pıhtı oluşumuna veya kateter çıkarılmasına kadar geçen süreyi içeren bir sağkalım modelleme yaklaşımı kullandı. Birkaç makine öğrenmesi sağkalım modeli eğitildi ve karşılaştırıldı. SM CRT adı verilen son model, her hasta için iki tür çıktı üreten gelişmiş bir boosting yönteminden yararlanıyor: kişileri düşükten yükseğe sıralayan tek bir risk puanı ve kateter yerinde olduğu süre boyunca kişinin pıhtı riskinin gün gün nasıl arttığını ve azaldığını gösteren tam bir eğri. Model sıkı çapraz doğrulama ile ayarlandı ve test edildi, ardından aşırı uyum (overfitting) ihtimalini azaltmak için hastaları zaman içinde izleyen bir grup da dahil olmak üzere üç bağımsız test grubunda değerlendirildi.

Kim daha yüksek riskte ve riskin zirveye çıktığı zaman

SM CRT modeli, kateter ilişkili pıhtı geliştirecek hastaları geliştirmeyeceklerden ayırmada tüm test kohortlarında yaklaşık 0,7 dolayında uyum (concordance) değerleriyle iyi bir ayrım yeteneği gösterdi. Analiz birkaç açık risk desenini ortaya çıkardı. Özellikle femoral yerleştirilen hatlar olmak üzere belirli kateter tipleri daha yüksek pıhtı riskiyle ilişkiliydi; iyi konumlandırılmış implante portlar ve bazı kol hattı türleri ise daha koruyucuydu. Tümörün yeri de önemliydi: birçok kateterin oturduğu üst ana toplardamara (superior vena cava) yakın göğüs bölgesindeki kanserler, kateter ucuna yakın yerel basınç ve salınan pıhtılaştırıcı faktörler nedeniyle karın veya pelvisteki tümörlerden daha yüksek risk taşıyordu. Tedaviler arasında ise özellikle platin gibi alkilleyici ajanlar ve antianjiyogenik ilaçlar yüksek riskle öne çıkarken, tümör evresi ve birçok rutin kan belirteci daha az bilgi vericiydi.

Tahminleri zamanlama kararlarına dönüştürmek

Bu çalışmanın ana yeniliklerinden biri, yalnızca tek bir puan yerine zaman içindeki tam risk eğrisinin kullanılmasıdır. Model her hasta için yerleştirmeyi izleyen her gün için bir pıhtı olma olasılığı eğrisi tahmin ediyor. Araştırmacılar bu eğrileri düzeltti ve kişisel yüksek risk penceresini, tahmin edilen riskin bireysel tepe değerinin yarısını aştığı günler olarak tanımladı. Bu pencereden önceki günler düşük risk, sonrasındaki günler ise uzun dönem olarak etiketlendi. Gerçek dünya sonuçlarıyla karşılaştırıldığında, modelin tanımladığı düşük risk veya uzun dönem periyodunda çıkarılan kateterlerin, öngörülen yüksek risk döneminde çıkarılanlara kıyasla kataeter başına gün başına çok daha az pıhtı olayı gösterdiği bulundu; bu, hasta farklılıkları hesaba katıldığında da sürdü. Genel risk puanını zamanlama pencereleriyle birleştirmek, sürekli yüksek riskli hastaları kısa süreli risk artışı yaşayanlardan ayırmaya yardımcı olan ince taneli bir gruplaya izin verdi.

Günlük bakım için ne anlama gelebilir

Hekim dışı bir okuyucu için ana mesaj şudur: Yazarlar, bir kanser hastası için kateter ilişkili pıhtı olasılığını tahmin etmekle kalmayan, aynı zamanda bu riskin en yoğun olduğu zamanı da vurgulayan bir araç geliştirdiler. Gelecekte böyle bir model müdahale çalışmalarında doğrulanır ve klinik iş akışlarına entegre edilirse, hekimler en güvenli kateter tipini seçmek, öngörülen yüksek risk günlerinde odaklanmış ultrason kontrolleri planlamak, kan inceltici ilaçları ayarlamak veya risk zirve yaptığında daha erken kateter çıkarımı planlamak için kullanabilir. Rutin uygulamayı yönlendirmeden önce ek testlere ihtiyaç olsa da bu çalışma, sağkalım tabanlı makine öğrenmesinin büyük hastane veri setlerini zamana duyarlı, pratik içgörülere dönüştürebileceğini ve kanser tedavisi gören kişilerde komplikasyonların azaltılmasına yardımcı olabileceğini gösteriyor.

Atıf: Ge, H., Liu, Q., Xie, J. et al. Machine learning survival model for personalised prevention of catheter-related thrombosis in tumour patients. Commun Med 6, 304 (2026). https://doi.org/10.1038/s43856-026-01561-2

Anahtar kelimeler: kateter trombozu, kanser hastaları, makine öğrenmesi, risk tahmini, merkezi venöz kateter