Kalça kırığı tahmini: Derin öğrenme ile Cox neredeyse eşit

Çalışmayı Göteborg Üniversitesi Sahlgrenska Osteoporoz Merkezi'nden araştırmacılar yürüttü. Makale açık erişimli; tam metni PubMed Central üzerinden okuduk. Hedef, hasta muayenesi ya da anket gerektirmeyen bir nüfus taraması aracı geliştirmekti.

Başlangıç tarihi 2011–2013 arasında rastgele atanan 3.542.647 kişi çalışmaya alındı. Son iki yılda osteoporoz ilacı reçete edilenler dışlandı. Medyan 9 yıllık izlemde 142.327 kalça kırığı ve 754.051 ölüm kaydedildi. Tanı, ilaç, girişim, demografi ve sosyoekonomik kayıtlardan 139.980 aday değişken üretildi.

Veri üç parçaya bölündü: yüzde 25 keşif, yüzde 65 geliştirme ve yüzde 10 ayrılmış test kümesi. Test kümesi 354.261 kişiydi ve model eğitimi sırasında kullanılmadı. Üç yöntem karşılaştırıldı:

• Klasik Cox regresyonu (35 ve 400 değişkenle).

• XGBoost (karar ağaçlarına dayalı makine öğrenmesi).

• DeepSurv (Cox modelinin derin öğrenme uyarlaması).

FRACTURE-ML adı verilen DeepSurv modeli 2.500 değişken kullandı. AUC (ayırt etme gücü; 0,5 şans düzeyi, 1 kusursuz) birinci yılda 0,89, ikinci yılda 0,88 oldu. Beşinci yılda 0,85'e, onuncu yılda 0,82'ye geriledi. Yalnız 35 değişkenli sade sürüm de ikinci yılda 0,87, beşinci yılda 0,85 AUC verdi.

Haberin asıl ilginç yanı şu: Klasik Cox modelleri de 35 ve 400 değişkenle benzer AUC'ye ulaştı. Cox modelinin birinci yıl AUC'si 0,87 idi. Kalibrasyon grafiklerinde hem DeepSurv hem Cox modelleri tahmin edilen ve gözlenen riski iyi eşleştirdi. Bu tablo, kazancın büyük kısmının derin öğrenmeden değil, çok büyük ve bağlanabilir kayıt verisinden geldiğini düşündürüyor.

Sade modelde en önemli değişkenler yaş, cinsiyet, son bir yıldaki reçete sayısı, medeni durum ve alkolle ilişkili psikiyatrik bozukluktu. Bu liste, çoklu ilaç kullanımı ve kırılganlık gibi bilinen risk alanlarına işaret ediyor. Ancak vücut kitle indeksi, sigara ve kemik mineral yoğunluğu İsveç kayıtlarında olmadığı için modele girmedi.

Yazarlar asıl sınırlılığı açıkça yazıyor: Dış doğrulama ve uygulama çalışması yok. Tahminler başlangıçta riski sistematik olarak fazla gösterdi ve yeniden kalibre edildi. Başka bir ülkenin kayıt yapısında modelin aynı başarıyı göstereceği belirsiz.

Çıkar çatışması beyanları da not edilmeli. Son yazar, çok sayıda ilaç şirketinden danışmanlık veya konuşma ücreti aldığını bildiriyor; yazarlara göre bunlar çalışma dışında. APNC Sweden AB adlı şirkete bağlı üç yazar, analizleri yürütmek için danışmanlık ücreti almış. Fon kaynakları kamu ve vakıf kaynaklı.

Çalışma, modeli İsveç'in mevcut kırık irtibat hizmetiyle (FLS; kırık geçirmiş hastayı osteoporoz açısından izleyen yapılandırılmış program) karşılaştırdı. Son bir yılda kırık öyküsüne dayalı bu yaklaşımın iki yıllık AUC'si 0,55'te kaldı. FRACTURE-ML ise duyarlılığı 0,12'den 0,84'e çıkardı. Özgüllük 0,98'den 0,79'a indi.

Bu ödünleşimin maliyeti gerçek: Beş yıllık kırık sıklığı yüzde 2,3 iken, yüzde 80 duyarlılıkta pozitif çıkanların yalnızca yüzde 6,7–7,9'u kırık geçirdi. 65–79 yaş arası kadınlarda aynı eşik, 739.352 kadından 344.201'ini yüksek riskli sayıyor. Makaledeki örneğe göre bunların yalnızca 4.513'ü kırık geçirecekti. Bu kadar kişiye kemik yoğunluğu ölçümü ya da düşme değerlendirmesi planlamak ciddi kapasite ister.

Pratik açıdan şu noktalar öne çıkıyor:

• Kayıt temelli tarama, FLS'nin yerine değil yanına eklenebilecek birincil koruma aracı olarak önerildi.

• Çok ilaç kullanımı ve alkolle ilişkili tanılar, kırık riskini düşünmek için hatırlatıcı olabilir.

• Karmaşık bir model satın alınmadan önce, basit ve şeffaf bir Cox modelinin benzer iş görüp görmediği sorulmalı.

• Eşik seçimi, eldeki DXA ve düşme önleme kapasitesine göre yapılmalı.

Türkiye'de kalça kırığı yükü küçük değil. Türkiye Osteoporoz Derneği'nin FRACTURK çalışmasına göre 2009'da yaklaşık 24.000 kalça kırığı olduğu tahmin edildi. Yaşa özgü oranlar değişmezse bu sayının 2035'te 64.000'e yaklaşması bekleniyordu. Benzer bir modelin burada kurulup kurulamayacağı, kayıtların eksiksizliğine ve birbirine bağlanabilirliğine bağlı; bu çalışma bunu test etmiyor.