Erken doğum, düşük tehlikesi, çoğul gebelik veya plasenta problemleri gibi anne ya da bebeğin sağlığını olumsuz etkileyebilecek tıbbi veya çevresel faktörler, gebeliğin farklı dönemlerinde ortaya çıkan belirtilerle fark edilebiliyor. Dünya Sağlık Örgütü’ne göre, 2023 yılında gebelik ve doğumla bağlantılı önlenebilecek nedenlerden dolayı yaklaşık 260 bin kadının hayatını kaybetti. Singapur Ulusal Üniversitesinde yapılan yeni bir çalışma, yapay zekanın anne ve bebeğin sağlığı açısından önem taşıyan gebelik risklerinin belirlenmesi sürecinde kullanılabileceğini ortaya koydu. Araştırmacılar, erken evredeki gebelik verilerini kullanarak anne ve bebek ile ilgili komplikasyonların erken tahmin edilmesine yarayan yeni bir sistem geliştirdi.
Çalışma kapsamında; Şili, İsveç ve Singapur’da gerçekleşen 700 bin gebelik verileri incelendi. Modelin, gebeliğin erken dönemlerinde ortaya çıkan bilgileri kullanmadan ne kadar başarılı tahminlerde bulunacağının test edilmesi adına gebeliğin 14. haftası veya öncesine ait veriler kullanıldı. Anneye ait sağlık geçmişi ve gebelik bilgilerine ek olarak sosyodemografik özellikler ve laboratuvar sonuçları da testlere dahil edildi. Ardından yapay zekanın performansını, her ülkede gebeliğin üç aylık ana dönemine denk gelen trimesterde kullanılan mevcut risk değerlendirme yöntemleriyle karşılaştırdı.
Sonuçlar üç ülkede de yapay zekadan elde edilen verilerin mevcut risk değerlendirme yöntemlerinden daha iyi performans gösterdiğini ortaya koydu. Riskleri birbirinden ayırt etme gücünü ölçen istatistiksel bir başarı ölçeği olan AUROC değeri; İsveç’te mevcut yöntem için 0,53, yapay zeka modeli için 0,65 oldu. Şili’de değerlerin 0,52’den 0,65’e, Singapurda ise 0,56’dan 0,60’A yükseldiği görüldü. Araştırmacılar İsveç ve Şili’de yapay zeka modelinin mevcut yöntemlerden daha iyi performans gösterdiğini, Singapur’daki oran az olsa da istatistiksel olarak anlamlı olduğunu belirtti.
Sosyodemografik faktörlerin rolü
Araştırmacılar, risk tahmininde annenin yaşı, vücut kitle indeksi, önceki doğum sayısı, etnik köken ve ortalama hane geliri gibi sosyodemografik faktörlerin de oldukça önemli olduğunu ifade etti. Sonuçlar; bir gebeliğin komplikasyon riskleri değerlendirilirken yalnızca annenin mevcut sağlık durumunun değil, aynı zamanda yaşadığı koşulların da dikkate alınması gerektiğini gösterdi.
Ek olarak yapay zeka modellerinin farklı toplumlarda aynı düzeyde başarılı olmadığı görüldü. İsveç ve Singapur’da modellerin risk tahminleri ile gerçekte gözlemlenen riskler arasında bir uyum bulunurken, Şili’deki modelin risk tahminlerindeki uyumunun daha düşük kaldığı bildirildi. Araştırmacılar, bu bulgudan yola çıkarak gebelikteki risk tahminleri için geliştirilen yapay zeka modellerinin kullanılacakları toplumların özelliklerine göre uyarlanmasını ve farklı gruplarda test edilmesi gerektiğini belirtti. Aynı zamanda araştırmacılar, yapay zeka modellerinin geliştirilmesi ve kliniklerde kullanılması için daha kapsamlı araştırmaların yapılması gerektiğini vurguladı.
Kaynak: JMIR Publications