<\/p>\n
Atriyal fibrilasyon d\u00fcnyada 58 milyondan fazla insan\u0131 etkilemekte ve inme riskini \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131rmaktad\u0131r. Ancak, bu riski de\u011ferlendirmek i\u00e7in kullan\u0131lan mevcut ara\u00e7lar, klasik skorlar gibi, hala az hassas olup, hastalar\u0131n \u00e7e\u015fitli sa\u011fl\u0131k fakt\u00f6rleri aras\u0131ndaki karma\u015f\u0131k etkile\u015fimleri dikkate almamaktad\u0131r.<\/p>\n
Ara\u015ft\u0131rmac\u0131lardan olu\u015fan bir ekip, atriyal fibrilasyon te\u015fhisi konulan hastalarda bir y\u0131l i\u00e7indeki inme riskini tahmin edebilen yeni yapay zeka modelleri geli\u015ftirdi. Bu modeller, yaln\u0131zca kolayca ula\u015f\u0131labilir bilgileri kullan\u0131yor: hastan\u0131n ya\u015f\u0131, t\u0131bbi ge\u00e7mi\u015fi ve kulland\u0131\u011f\u0131 ila\u00e7lar. Geleneksel y\u00f6ntemlerin aksine, bu ara\u00e7lar bu unsurlar aras\u0131ndaki ince ili\u015fkileri analiz ederek, daha ki\u015fiselle\u015ftirilmi\u015f ve g\u00fcvenilir bir tahmin sunuyor.<\/p>\n
Sonu\u00e7lar ikna edici. Test edilen iki modelden biri klasik istatistiksel yakla\u015f\u0131ma, di\u011feri ise geli\u015fmi\u015f makine \u00f6\u011frenimi tekni\u011fine dayan\u0131yor ve her ikisi de mevcut y\u00f6ntemlere g\u00f6re risk alt\u0131ndaki hastalar\u0131 \u00e7ok daha y\u00fcksek bir do\u011frulukla ay\u0131rt edebiliyor. Performanslar\u0131, \u00e7e\u015fitli hasta gruplar\u0131 \u00fczerinde do\u011fruland\u0131 ve farkl\u0131 klinik ba\u011flamlarda g\u00fcvenilir olduklar\u0131 teyit edildi. Ayr\u0131ca, bu modeller risk e\u015fiklerini bireysel ihtiyaaclara g\u00f6re ayarlamaya olanak tan\u0131yor; bu, \u00f6zellikle ya\u015fl\u0131 hastalar veya birden fazla sa\u011fl\u0131k sorunu olanlar i\u00e7in yararl\u0131.<\/p>\n
Bir di\u011fer \u00f6nemli avantaj ise kullan\u0131m kolayl\u0131\u011f\u0131d\u0131r. Kan testleri veya t\u0131bbi g\u00f6r\u00fcnt\u00fcleme gerektirmiyorlar; bunlar genellikle te\u015fhis an\u0131nda mevcut de\u011fildir. Bu da onlar\u0131 hastanelerin g\u00fcnl\u00fck uygulamalar\u0131nda eri\u015filebilir k\u0131l\u0131yor. Ara\u015ft\u0131rmac\u0131lar, bu ara\u00e7lar\u0131n hem erkekler hem de kad\u0131nlar i\u00e7in e\u015fit derecede iyi \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 do\u011frulayarak cinsiyete ba\u011fl\u0131 \u00f6nyarg\u0131lar\u0131 da \u00f6nl\u00fcyor.<\/p>\n
Uzun vadede, bu modeller ayr\u0131ca antikoag\u00fclan tedavisinden en fazla fayda sa\u011flayacak hastalar\u0131n belirlenmesine yard\u0131mc\u0131 oluyor. Veriler, bu ara\u00e7lar taraf\u0131ndan y\u00fcksek riskli olarak s\u0131n\u0131fland\u0131r\u0131lan hastalar\u0131n, bu ila\u00e7lar\u0131 kulland\u0131klar\u0131nda inme risklerinin \u00f6nemli \u00f6l\u00e7\u00fcde azald\u0131\u011f\u0131n\u0131 g\u00f6steriyor; bu, geleneksel y\u00f6ntemlerle belirlenen hastalarda g\u00f6r\u00fclmeyen bir durum.<\/p>\n
Bu ilerleme, daha ki\u015fiselle\u015ftirilmi\u015f bir t\u0131bb\u0131n yolunu a\u00e7\u0131yor. Doktorlar yak\u0131nda bu tahminlere dayanarak, her hastan\u0131n benzersiz profilini dikkate alarak tedavileri uyarlayabilir, b\u00f6ylece \u00f6nlenebilir inme say\u0131s\u0131n\u0131 azaltabilir ve atriyal fibrilasyonun y\u00f6netimini iyile\u015ftirebilir.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s41746-026-02470-3<\/a><\/p>\n Titre\u00a0:<\/strong> Interpretable machine learning models for stroke risk prediction in patients with newly diagnosed atrial fibrillation<\/p>\n Revue : <\/strong> npj Digital Medicine<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Jesse Chih-Wei Lin; Chen-Min Chang; Heng-Yu Pan; Yi-Lwun Ho; Yu-Kang Tu; Chao-Lun Lai<\/p>\n","protected":false},"excerpt":{"rendered":" Atriyal fibrilasyonu olan hastalarda inme riski daha iyi tahmin edilebilir mi? Atriyal fibrilasyon d\u00fcnyada 58 milyondan fazla insan\u0131 etkilemekte ve inme riskini \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131rmaktad\u0131r. Ancak, bu riski de\u011ferlendirmek i\u00e7in kullan\u0131lan mevcut ara\u00e7lar, klasik skorlar gibi, hala az hassas olup, hastalar\u0131n \u00e7e\u015fitli sa\u011fl\u0131k fakt\u00f6rleri aras\u0131ndaki karma\u015f\u0131k etkile\u015fimleri dikkate almamaktad\u0131r. Ara\u015ft\u0131rmac\u0131lardan olu\u015fan bir ekip, atriyal fibrilasyon… Okumaya devam et Atriyal fibrilasyonu olan hastalarda inme riski daha iyi tahmin edilebilir mi?<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2,5],"tags":[],"class_list":["post-17","post","type-post","status-publish","format-standard","hentry","category-saglik","category-uluslararasi","entry"],"_links":{"self":[{"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/posts\/17","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/comments?post=17"}],"version-history":[{"count":1,"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/posts\/17\/revisions"}],"predecessor-version":[{"id":18,"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/posts\/17\/revisions\/18"}],"wp:attachment":[{"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/media?parent=17"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/categories?post=17"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/tr\/wp-json\/wp\/v2\/tags?post=17"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}