30 Saniyede Özet
Glasgow Üniversitesi öncülüğündeki PRECISE-HF çalışması, NT-proBNP değerini 12 klinik değişkenle birleştiren bir makine öğrenmesi modeli geliştirdi. İngiltere birinci basamak verisinde model, ESC eşiklerine göre binde 144 hastayı daha fazla dışladı; bedeli binde 3 kaçırılan tanıydı. İsveç'teki dış doğrulamada ayrım gücü belirgin biçimde düştü. Model umut verici, ancak yerel doğrulama ve ileriye dönük test olmadan rutin kullanıma hazır değil.
Ne oldu?
European Heart Journal, 28 Ağustos 2026'da PRECISE-HF çalışmasını çevrim içi yayımladı. İlk yazar Kieran Docherty, kıdemli yazar John McMurray; ekipte Avrupa, ABD ve Avustralya'dan araştırmacılar var. Çıkış noktası şu gözlem: NT-proBNP (kalp duvarı gerildiğinde salınan peptidin ölçülen parçası) yaş, böbrek işlevi, ritim ve vücut kitle indeksinden etkilenir. Tek bir eşik ise herkese aynı biçimde uygulanır.
Araştırmacılar İngiltere'nin birinci basamak veri tabanı CPRD'yi (Klinik Uygulama Araştırma Veri Bağlantısı) kullandı. Ocak 2018–Mart 2025 arasında kalp yetersizliği şüphesiyle NT-proBNP ölçülen ve bilinen kalp yetersizliği olmayan 535.583 hasta alındı. Hastalar rastgele geliştirme (374.909) ve iç doğrulama (160.674) gruplarına ayrıldı. Sonlanım, ölçümden sonraki 12 ayda kaydedilen kalp yetersizliği tanısı ya da bu nedenle yatıştı.
Model XGBoost ile kuruldu (karar ağaçlarını art arda ekleyerek öğrenen bir makine öğrenmesi yöntemi). NT-proBNP'ye yaş, cinsiyet, etnik köken, eGFR, VKİ ve sistolik kan basıncı eklendi. Anemi, kıvrım diüretiği kullanımı ve atriyal fibrilasyon, diyabet, miyokart enfarktüsü, KOAH öyküsü de girdi. Sonuç, her hasta için yüzde cinsinden bir kalp yetersizliği olasılığı.
İç doğrulama grubunda hastaların %10'unda kalp yetersizliği tanısı kaydedildi. Model AUROC 0,896 (ayrım gücü; 1,0 kusursuz) ve Brier puanı 0,061 verdi. Brier puanı, tahmin edilen olasılıkla gerçek sonuç arasındaki ortalama farkı ölçer; sıfıra yaklaştıkça iyidir. Eşikler önceden belirlendi: dışlama için en az %90 duyarlılık, doğrulama için en az %90 özgüllük.
Dışlama eşiği %90,1 duyarlılık ve %98,5 negatif kestirim değeriyle hastaların %64,8'ini dışladı. Doğrulama eşiği ise hastaların %16,1'ini "yüksek olasılık" grubuna aldı. Bu grupta özgüllük %90,0, pozitif kestirim değeri %44,1 oldu.
Karşılaştırma ölçütü ESC'nin evrensel 125 pg/mL dışlama eşiği ve ESC Kalp Yetersizliği Birliği'nin (HFA) yaşa göre doğrulama eşikleriydi. Tam metne göre 125 pg/mL eşiği hastaların %50,4'ünü dışladı, duyarlılığı %93,4'tü. Yaşa göre eşikler %24,2'yi yüksek olasılık grubuna aldı; pozitif kestirim değeri %32,8'de kaldı. Özetin çarpıcı rakamı buradan çıkıyor: PRECISE-HF binde 144 ek hastayı dışladı, binde 3 tanıyı kaçırdı ve binde 73 daha az yanlış pozitif üretti.
Kanıt ne kadar güçlü?
Örneklem çok büyük ve gerçek birinci basamak pratiğini yansıtıyor. Ancak tasarım geriye dönük ve tanı, kodlanmış kayıtlara dayanıyor. Kalp yetersizliği tanıları uzmanlarca bağımsız olarak doğrulanmadı. Ejeksiyon fraksiyonu fenotipi ve kullanılan NT-proBNP kiti bilinmiyor.
Dış doğrulama İsveç'teki REVOLUTION-HF kohortunda yapıldı. Tam metne göre bu kohortta 4.492 hasta vardı ve %27,5'inde kalp yetersizliği gelişti. AUROC 0,757'ye düştü, Brier puanı 0,163 oldu; kalibrasyon ise yazarlara göre yeniden ayar gerektirmeden korundu. Yazarlar düşüşün kısmen bu kohortta NT-proBNP'si 300 pg/mL'nin altında hasta olmamasını yansıtabileceğini belirtiyor.
Doğrulama yanlılığı da olası. İngiltere'de eko sevki için 400 pg/mL eşiği kullanıldığından, düşük değerli hastalar daha az incelenmiş olabilir. Bu durum dışlama duyarlılığını olduğundan yüksek gösterebilir. Negatif ve pozitif kestirim değerleri de kohorttaki %10'luk sıklığa bağlı; başka sıklıkta değişir.
Finansman da not edilmeli. Analitik destek AstraZeneca finansmanıyla Human Data Sciences tarafından verildi. İki yazarın bağlı olduğu kurum AstraZeneca, iki yazar da Human Data Sciences'tan. Yazarlar modelin, farklı sağlık sistemlerinde randomize çalışmalarla test edilmesi gerektiğini kendileri vurguluyor.
Hekim için ne anlama geliyor?
Birinci basamakta asıl darboğaz ekokardiyografi kuyruğudur. Tek eşik, genç ve böbrek işlevi iyi hastada tanıyı kaçırabilir; yaşlı ve AF'li hastada gereksiz sevk üretebilir. PRECISE-HF bu dengeyi hastaya özgü olasılıkla kurmayı öneriyor. Ekip, olasılığı hesaplayan çevrim içi bir araç da yayımladı.
- Bugün için ESC ve ulusal kılavuz eşiklerini uygulamayı sürdürün; bu model onların yerini almadı.
- Sınırda NT-proBNP'de yaş, AF, eGFR, VKİ ve diüretik kullanımını mutlaka yorumunuza katın.
- Klinik şüphe güçlüyse eşiğin hemen altındaki bir değeri tek başına dışlama gerekçesi saymayın; 125 pg/mL eşiğinin duyarlılığı bu veride bile %93,4'tü.
- Böyle bir araç kullanılacaksa önce kendi hasta kitlenizde yerel doğrulama yapılmalı.
- Çevrim içi hesaplayıcılara hastayı tanımlayan bilgi girmeyin.
Türkiye'den bakınca
Modelin Türk hasta verisiyle test edildiğine dair bir bilgi yok. Kayıt alışkanlıkları, test erişimi ve sevk yolları ülkeden ülkeye değişir; İsveç'teki düşüş de bunu gösteriyor. Yerel veride kalibrasyon kontrolü yapılmadan modelin verdiği olasılıklara güvenilmemeli.
Türkiye'de sabit NT-proBNP eşikleri geri ödeme kurallarına da girmiş durumda. Örneğin Sağlık Uygulama Tebliği (SUT), transtiretin amiloid kardiyomiyopatisinde tafamidis için NT-proBNP'nin 600 pg/mL ya da BNP'nin 150 pg/mL üzerinde olmasını arıyor. Kişiye özgü bir olasılık tanı yolunu değiştirse bile bu tür idari eşikleri değiştirmez. Hesaplayıcı kullanılırken de Kişisel Verilerin Korunması Kanunu'nun (KVKK) özel nitelikli saydığı sağlık verisi kimliksiz tutulmalı.
Sık sorulan sorular
PRECISE-HF, 125 pg/mL eşiğinden daha mı güvenli?
Tam olarak değil. Dışlama duyarlılığı biraz daha düşük (%90,1'e karşı %93,4), ama çok daha fazla hastayı dışlıyor. Kazanç, binde 3 kaçırılan tanıya karşılık binde 144 ek dışlama.
Dış doğrulamadaki düşüş neden önemli?
İç doğrulama aynı veri kaynağından gelir ve iyimser olabilir. İsveç kohortunda AUROC 0,896'dan 0,757'ye indi. Model başka nüfusta farklı davranabilir; yerel test gerekir.
Aile hekimi bu aracı yarın kullanabilir mi?
Yazarlar bile ileriye dönük randomize testler istiyor. Araç Türkiye'de doğrulanmadı ve kılavuzlara girmedi. Şimdilik kılavuz eşikleri ve klinik yargı esas.
Kaynaklar
- Docherty KF ve ark. (2026) — Personalized evaluation of NT-proBNP and clinical characteristics in suspected heart failure: the PRECISE-HF study (European Heart Journal): https://doi.org/10.1093/eurheartj/ehag686
- PubMed (2026) — PRECISE-HF özeti, PMID 42663089: https://pubmed.ncbi.nlm.nih.gov/42663089/
- University of Glasgow Enlighten (2026) — PRECISE-HF kabul edilmiş makale metni: https://eprints.gla.ac.uk/392674/
- Bayes-Genis A ve ark. (2023) — Practical algorithms for early diagnosis of heart failure and heart stress using NT-proBNP (HFA uzlaşı bildirgesi): https://pubmed.ncbi.nlm.nih.gov/37712339/
- Kişisel Verileri Koruma Kurumu (erişim 2026) — Personal Data Protection Law (Law No. 6698): https://www.kvkk.gov.tr/Icerik/6649/Personal-Data-Protection-Law
- Sosyal Güvenlik Kurumu — Sağlık Uygulama Tebliği (konsolide metin): https://www.mevzuat.gov.tr/mevzuat?MevzuatNo=17229&MevzuatTur=9&MevzuatTertip=5
Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.
İlgili Yazılar
Bu konuyla ilgili Doktorclub'da ele aldığımız diğer hekim onaylı rehberler:
European Heart Journal'da PRECISE-HF: 535.583 hastalık İngiltere verisinde makine öğrenmesi, ESC NT-proBNP eşiklerine göre binde 144 ek hastayı dışladı.