Preeklampsi ve Preterm Doğum Öngörüsünde Yapay Zeka: 2026 Kanıt Değerlendirmesi

Preeklampsi ve preterm doğum, anne ve yenidoğan ölüm-hastalık yükünün başlıca nedenleri arasındadır. Her iki durumun da erken ve doğru öngörülmesi, koruyucu tedavinin (preeklampside aspirin profilaksisi gibi) zamanında başlatılması ve doğum yerinin/zamanının uygun planlanması açısından kritiktir. Son yıllarda yapay zeka (YZ) ve makine öğrenmesi (MÖ) modelleri, angiogenik biyobelirteç testleriyle birlikte bu alanda hızla gelişti. Ancak teknolojinin gerçekte neyi başardığı ile neyi henüz başaramadığını birbirinden ayırmak gerekir. Bu yazı, 2025-2026 dönemindeki en güncel kanıtları, çelişen bulguları yan yana koyarak ölçülü biçimde değerlendirmektedir.

Düzenleyici dönüm noktası: sFlt-1/PlGF testleri artık ABD'de klinik kullanımda

Uzun yıllar boyunca preeklampsi öngörüsünde FDA onaylı bir kan biyobelirteci bulunmuyordu. Bu durum 2023'te değişti. Thermo Fisher B·R·A·H·M·S sFlt-1/PlGF KRYPTOR testi, 19 Mayıs 2023'te FDA tarafından "breakthrough device" statüsüyle De Novo yoluyla temizlendi (DEN220027) ve ABD'de ciddi özellikli preeklampsiye ilerleme riskini değerlendiren ilk FDA onaylı kan testi oldu. Bu test, hastanede yatan, tekil gebelik taşıyan ve 23-34+6 hafta arasındaki hipertansif kadınlar için tasarlandı. Labcorp aynı KRYPTOR temelli testi 31 Ocak 2024'te klinik hizmete sundu. Bunu takiben Roche Elecsys sFlt-1/PlGF testi 13 Şubat 2025'te FDA 510(k) clearance aldı ve hastanede yatan hipertansif gebeleri iki hafta içinde ciddi preeklampsi açısından düşük/yüksek riske ayırmak için onaylandı.

Bu onayların dayanağı olan PRAECIS çalışması (18 ABD hastanesi, 700'den fazla gebe), sFlt-1/PlGF ≥ 40 eşiğinin iki hafta içinde ciddi özellikli preeklampsiye ilerlemeyi %94 duyarlılık, %75 özgüllük, %65 PPV ve %96 NPV ile öngördüğünü gösterdi. Oran 40'ın altında olanlarda iki hafta içinde ciddi preeklampsi olasılığı %5'in altındaydı. Kohortun %30'unun siyah, %16'sının Hispanik kökenli olması, çeşitlilik açısından bu çalışmayı güçlendiren bir özelliktir. Bu testin asıl klinik değeri, yüksek negatif öngörü değeriyle kısa vadede ciddi hastalığı dışlayabilmesidir — yani bir triaj ("rule-out") aracıdır.

Birinci trimester tarama ve aspirin: en sağlam kanıt zemini

Preeklampsi öngörüsünde en iyi doğrulanmış yaklaşım, Fetal Medicine Foundation (FMF) tarafından geliştirilen birinci trimester yarışan-riskler (competing-risks) modelidir. Bu model, maternal faktörleri, ortalama arteriyel basıncı (MAP), uterin arter pulsatilite indeksini (UtA-PI) ve plasental büyüme faktörünü (PlGF) birleştirir. Modelin temel önemi, ASPRE çalışmasıyla kanıtlanmıştır: 11-13+6 haftada yüksek riskli seçilen kadınlarda günde 150 mg aspirin, preterm preeklampsi sıklığını %1,6'ya (plaseboda %4,3) düşürdü — yaklaşık %62 göreli azalma. Bu, "birinci trimester tarama + aspirin" paradigmasının dayandığı temel kanıttır.

FMF modelinin dış validasyonları devam etmektedir. Brezilya'da yapılan bir dış validasyonda preterm preeklampsi sıklığı %3,1 iken, 1/100 kesim noktasında saptama oranı %71,4 ve eğri altı alan (EAA) 0,818 (%95 GA 0,773-0,863) bulundu. ABD nullipar popülasyonlarındaki validasyonlar 2025'te de sürdü. Bu performans düzeyi (EAA ~0,80-0,82), tek-merkezli yüksek iddialara kıyasla mütevazı görünse de, modelin farklı popülasyonlarda tutarlı kalması klinik güvenilirlik açısından daha değerlidir.

Makine öğrenmesi modelleri: yüksek iç performans, zayıf dış transfer

MÖ literatüründeki en kritik gerçek, iç performans ile dış genellenebilirlik arasındaki uçurumdur. Ocak 2026'da Journal of Medical Internet Research'te yayımlanan ve 26 çalışma ile 31 MÖ modelini kapsayan güncel meta-analiz, bu sorunu net biçimde ortaya koydu. Havuzlanmış EAA 0,91 (%95 GA 0,87-0,92) gibi etkileyici görünse de, aşırı heterojenite (I² > %99) mevcuttu. Daha da önemlisi, yalnızca 6 çalışma dış validasyon yapmıştı ve bu çalışmalarda havuzlanmış duyarlılık 0,68'e düştü (öngörü aralığı 0,25-0,94). Yazarların net sonucu çarpıcıdır: yüksek EAA, modelin evrensel etkinliğinden çok "iç geliştirme veri setindeki performansını" yansıtmaktadır. PROBAST aracıyla değerlendirildiğinde çoğu çalışma belirsiz veya yüksek bias riski taşıyordu.

Buna karşılık, rutin elektronik sağlık kaydı (EHR) verisiyle dinamik kısa vadeli öngörü umut verici bir yön sundu. Mart 2026'da JAMA Network Open'da yayımlanan çalışmada, üç NewYork-Presbyterian hastanesinden 58.839 gebelik incelendi. XGBoost ile yalnızca rutin veriler (kan basıncı, laboratuvar değerleri, demografi) kullanılarak 1/2/4 hafta içinde preeklampsi başlangıcı öngörüldü. Performans 34. haftada zirve yaptı: eğitimde EAA 0,863, dış validasyonda 0,808-0,834. Düşük preeklampsi prevalansı nedeniyle %90 duyarlılıkta PPV düşük kaldı (yaklaşık 0,02-0,06), ancak NPV ≥ 0,993 idi. Bu çalışmanın önemi, statik tek-zamanlı riskten yuvarlanan-pencere dinamik risk güncellemesine geçişi göstermesidir; geç-başlangıçlı ve term preeklampsi için klinik karar zamanlamasına uygun bir öncü süre (lead-time) sağlar. Demografik alt gruplarda anlamlı bir adalet (fairness) sorunu saptanmadı.

Algoritmik yanlılık ve eşitsizlik riski

YZ modellerinin en az tartışılan ama en önemli riski, eşitsizliği büyütme potansiyelidir. Nisan 2026'da AJOG Global Reports'ta yayımlanan ve CDC verisiyle 3,6 milyon doğumu kapsayan eklampsi öngörü çalışması bunu somutlaştırdı. MÖ modelleri (lojistik regresyon, rastgele orman, LightGBM, XGBoost) yalnızca EAA 0,64 elde ederken, ACOG kontrol listesi %81,4 saptama sağladı ancak %68,9 yanlış pozitif üretti. Daha endişe verici olan, EAA'nın siyah, Amerikan yerlisi, yurtdışı doğumlu ve düşük gelirli kişilerde daha düşük olmasıdır. Bu bulgu, modellerin popülasyona özgü dış validasyonu olmadan klinik kullanıma alınmasının eşitsizliği derinleştirebileceğini açıkça göstermektedir.

Preterm doğum öngörüsü: yük sabit, öngörü hâlâ zor

Preterm doğum yükü azalmamaktadır. The Lancet'te 2023'te yayımlanan küresel tahminlere göre 2020'de 13,4 milyon preterm doğum (%9,9) gerçekleşti ve son on yılda hiçbir bölgede ölçülebilir bir düşüş kaydedilmedi. Öngörü modelleri çeşitli yaklaşımlar denemektedir: erken gebelik serum protein paneliyle (proteomik) geliştirilen lojistik regresyon modeli bağımsız sette EAA 0,868 bildirirken, çok-zamanlı servikal uzunluk ve zaman serisi verisini modelleyen LSTM tabanlı derin öğrenme yaklaşımları en iyi sonuçları vermiştir.

Ancak bu alandaki en öğretici bulgu bir uyarı niteliğindedir: spontan preterm doğum için geliştirilen bir gen ekspresyonu modeli eğitimde EAA 0,99 elde ederken, test setinde 0,54'e ve dış validasyonda 0,50'ye — yani şans düzeyine — düştü. Bu, tek-merkezli yüksek performansın dış geçerliliğinin neden sorgulanması gerektiğinin somut bir örneğidir.

Kılavuzlar ve sınırların dürüst çerçevesi

Kılavuz tarafında, NICE 2024'te DG49 kılavuzunu yayımlayarak (DG23'ün güncellemesi) şüpheli preterm preeklampside dört PlGF temelli testi (DELFIA Xpress, Elecsys, Triage PLGF) "rule-in/rule-out" amacıyla önerdi. Eşik değerler açısından, Avrupa'da yaygın olan "oran 38 ile dışlama" (PROGNOSIS) çerçevesine ek olarak, ABD onay bağlamındaki ≥40 (PRAECIS, 2 haftada ciddi PE) eşiği klinik pratiğe girmiştir.

Dürüst bir değerlendirme, kanıtlananı kanıtlanmayandan ayırmayı gerektirir. Kanıtlanmış olanlar: birinci trimester FMF taraması + aspirin preterm preeklampsiyi azaltır; sFlt-1/PlGF testleri kısa vadeli ciddi preeklampsiyi yüksek NPV ile dışlar; rutin EHR ile geç-gebelikte dinamik kısa vadeli öngörü teknik olarak mümkündür. Henüz kanıtlanmamış veya belirsiz olanlar: MÖ modellerinin dış genellenebilirliği zayıftır (duyarlılık 0,68'e iniyor, bazı modeller şans düzeyinde); öngörü doğruluğunun klinik faydaya (sert sonuçlara) dönüşmesi belirsizdir (PRECOG yatış süresini azaltmadı); geç-başlangıçlı ve term preeklampsi öngörüsü zayıftır (EAA ~0,6-0,7), oysa vakaların çoğunu bunlar oluşturur ve aspirinin bunlara etkisi sınırlıdır; düşük prevalans nedeniyle %90 duyarlılıkta PPV çoğu zaman %10'un altındadır, bu da aşırı tarama ve gereksiz müdahale riski yaratır.

Sonuç

Yapay zeka ve angiogenik biyobelirteçler, preeklampsi öngörüsünde son üç yılda somut ilerlemeler kaydetti: ABD'de FDA onaylı sFlt-1/PlGF testleri klinik kullanıma girdi, birinci trimester tarama + aspirin paradigması sağlam kanıtlarla desteklendi ve rutin verilerle dinamik öngörü teknik olarak mümkün hale geldi. Ancak alan, gerçekçi bir olgunluk değerlendirmesini hak ediyor. Tekil çalışmalardaki yüksek iç performans (EAA ~0,9) çoğu zaman dış ortamlarda korunmuyor; öngörü doğruluğu mutlaka daha iyi hasta sonucuna dönüşmüyor; ve modeller, en savunmasız nüfus gruplarında daha kötü çalışarak eşitsizliği büyütme riski taşıyor. Klinik pratikte bu araçlar — özellikle yüksek NPV'li biyobelirteç testleri ve birinci trimester tarama — değerli karar destek unsurlarıdır; ancak prospektif çok-merkezli validasyon, TRIPOD-AI uyumlu raporlama ve sert klinik sonuçlar üzerinden kanıtlanmış fayda olmadan, klinik kararın yerini değil yanında durmalıdırlar. Yapay zekanın asıl katkısı, klinisyenin yargısını desteklemek; onun yerini almak değildir.