Uğurcan ZORLU, Senem ARDA DÜZ, Gül KURTARAN, Mohammad İbrahim HALİLZADE, Burak ELMAS
Turkish Journal of Obstetrics and Gynecology - 2026;23(1):47-55
Amaç: Tubal ektopik gebelikte (TEG) metotreksat (MTX) tedavi sonuçlarını öngörmede hematolojik ve biyokimyasal enflamatuvar indekslerin tahmin gücünü değerlendirmek ve bireyselleştirilmiş risk sınıflaması için makine öğrenmesi (MÖ) modelleri geliştirmektir. Gereç ve Yöntemler: Bu retrospektif kohort çalışmaya Ocak 2019-Aralık 2023 tarihleri arasında tek doz MTX ile tedavi edilen 293 hemodinamik olarak stabil TEG hastası dahil edildi. Demografik, klinik, ultrasonografik ve laboratuvar verileri analiz edildi. Nötrofil-lenfosit oranı (NLR), trombosit-lenfosit oranı, sistemik immün-enflamasyon indeksi, sistemik enflamasyon yanıt indeksi (SIRI), toplu sistemik enflamasyon indeksi (AISI) ve fibrinojen/albümin oranı (FAR) gibi enflamatuvar indeksler hesaplandı. Tedavi sonuçları; tek doz MTX başarısı, ek doz MTX gereksinimi ve cerrahi müdahale olarak sınıflandırıldı. Tahmin doğruluğu, ROC analizi ve beş farklı denetimli MÖ algoritması ile değerlendirildi. Bulgular: Tek doz MTX tedavisi %65,5 oranında başarılı olurken; %18,4 hastada ek doz MTX gereksinimi oluştu, %16,0 hastaya ise cerrahi müdahale uygulandı. Cerrahi tahmininde en yüksek doğruluk AISI'ye ait olup eğrinin altındaki alan (AUC) değeri 0,929 olarak bulundu; bunu SIRI (AUC=0,899) ve FAR (AUC=0,847) izledi. Ek MTX ihtiyacını en iyi öngören indeks NLR oldu (AUC=0,675). Naïve Bayes algoritması, cerrahi öngörüsünde en yüksek başarıyı sağladı (doğruluk=%98,3; AUC=0,998); rastgele orman (random forest) ve gradyan artırma (gradient boosting) algoritmaları ise ek MTX ihtiyacını öngörmede en etkili modellerdi (doğruluk=%83,1; AUC=0,884-0,896). Özellik önem analizleri, AISI, SIRI ve FAR indekslerini tutarlı şekilde en güçlü öngörücüler olarak belirledi. Sonuç: AISI, SIRI ve FAR, TEG'de MTX tedavi başarısızlığını ve cerrahi müdahale gereksinimini öngörmede güçlü biyobelirteçlerdir. Bu biyobelirteçlerin MÖ modelleriyle entegrasyonu, tahmin performansını önemli ölçüde artırarak TEG yönetiminde kişiselleştirilmiş bir yaklaşımı destekler. Klinik uygulamaya geçmeden önce çok merkezli prospektif çalışmalarla doğrulama gereklidir.
