30 Saniyede Özet
İsveç, Şili ve Singapur'dan 500 binden fazla gebelik kaydı incelendi. Araştırmacılar yalnızca ilk 14 haftada toplanan bilgilerle çalışan makine öğrenmesi modelleri kurdu. Modeller, o ülkelerde halen kullanılan erken risk değerlendirme yöntemlerinden daha iyi ayrım yaptı. Ancak bir ülkede eğitilen model başka ülkede aynı başarıyı vermedi. Çalışma Ağustos 2026'da Journal of Medical Internet Research dergisinde yayımlandı.
Çalışma neyi ölçtü?
Araştırmacılar anne ve bebek için ciddi sorunları önceden tahmin etmeye çalıştı. Hedef listesinde preeklampsi (gebelik zehirlenmesi), erken doğum, gebelik şekeri ve bebeğin beklenenden küçük doğması yer aldı.
Modeller yalnızca gebeliğin ilk üç ayında zaten kayda giren bilgileri kullandı. Yaş, boy, kilo, önceki gebelikler, kronik hastalıklar ve rutin laboratuvar sonuçları bunlara örnek.
Yeni bir kan testi ya da ek ultrason gerekmedi. Fikir basitti: eldeki veriden daha fazlasını çıkarmak.
Sonuçlar ne gösterdi?
İsveç ve Şili'de en iyi modeller, yüksek riskli ile düşük riskli gebelikleri ayırt etmede belirgin şekilde üstün çıktı. Singapur'da iyileşme daha küçük kaldı ama yine de anlamlıydı.
Kalibrasyon tarafında tablo değişti. Kalibrasyon, modelin söylediği riskin gerçekte görülen riske ne kadar uyduğunu anlatır. İsveç ve Singapur modelleri makul uyum gösterdi. Şili modeli bu açıdan daha zayıf kaldı.
Yani model "yüzde 10 risk" dediğinde bunun gerçekten yüzde 10 olması her yerde garanti değil.
En şaşırtıcı bulgu: sosyal veriler
Bazı topluluklarda en güçlü belirleyiciler tıbbi değil, sosyal ve demografik başlıklardı. Eğitim düzeyi, gelir durumu ve yaşanan bölge gibi bilgiler tahmine ciddi katkı yaptı.
Bu sonuç önemli bir boşluğa işaret ediyor. Klasik gebelik risk skorları çoğunlukla tıbbi geçmişe bakar. Kadının içinde yaşadığı koşullar tabloda görünmez.
Aynı bulgunun ikinci bir yüzü var. Sosyal veriye dayanan bir model, dikkatli kurulmazsa var olan eşitsizlikleri pekiştirebilir.
Bu araçlar yarın muayenehanede olacak mı?
Hayır. Çalışma bir "model geliştirme" çalışması olarak tasarlandı. Yani araçlar henüz gerçek hasta bakımında denenmedi.
Bir tahmin modelinin kliniğe girmesi için üç aşama gerekir. Önce başka bir toplulukta dış doğrulama yapılır. Sonra karar verme sürecine etkisi ölçülür. En sonunda ruhsat ve izlem süreci gelir.
Araştırmacıların kendi vurgusu da bu yönde. Bir toplulukta işe yarayan model, başka toplulukta ayrı ayrı test edilmeden kullanılmamalı.
Gebeyseniz bugün ne yapmalısınız?
Yapay zekâyı beklemeyin. Erken takibin faydası zaten kanıtlı ve bugün erişilebilir.
- İlk muayenenizi gebeliğin ilk üç ayında yaptırın.
- Tansiyonunuzu her kontrolde ölçtürün; preeklampsinin en erken işareti budur.
- Kronik hastalığınız varsa gebelik öncesinde hekiminize danışın.
- Önceki gebeliklerinizde yaşadığınız sorunları mutlaka anlatın.
Acil: Gebelikte şiddetli baş ağrısı, görmede bulanıklık ya da üst karın ağrısı olursa bekleme. Ani ödem ve bebek hareketlerinde azalma da aynı şekilde acildir. En yakın doğum kliniğine başvurun; gerekirse 112'yi arayın.
Kaynaklar
- Journal of Medical Internet Research — Machine Learning-Based First-Trimester Antenatal Risk Prediction for Adverse Maternal and Neonatal Outcomes: Multicenter Model Development Study: https://doi.org/10.2196/88450
- PubMed kaydı: https://pubmed.ncbi.nlm.nih.gov/42644847/
- World Health Organization — WHO recommendations on antenatal care for a positive pregnancy experience: https://www.who.int/publications/i/item/9789241549912
- National Institutes of Health — Preeclampsia and Eclampsia: https://www.nichd.nih.gov/health/topics/preeclampsia
Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.
Üç ülkeden 500 binden fazla gebeliği inceleyen yeni çalışma, ilk 14 haftadaki verilerle çalışan makine öğrenmesi modellerini test etti. Modeller mevcut risk değerlendirmelerini geçti ama her ülkede aynı başarıyı göstermedi.