Obstetride Yapay Zeka: Fetal Ultrasonda Otomatik Biyometri ve CTG Yorumlama

Kadın doğum pratiğinde görüntüleme ve fetal izlem, on yıllardır deneyimli bir gözün ve elin işiydi. Sonografçının probu doğru düzleme getirmesi, görüntüyü dondurması, kaliperi yerleştirmesi ve ölçümü kaydetmesi — bu zincirin her halkası operatöre, yorgunluğa ve gözlemciler arası değişkenliğe bağımlı. Son üç yılda derin öğrenme tabanlı sistemler bu zincire girerek hem hızı hem tekrarlanabilirliği artırma iddiasıyla klinik araştırmaların gündemine oturdu. Bu yazıda fetal ultrasonda otomatik biyometri, anomali tarama desteği ve kardiyotokografi (CTG/NST) yorumlamasında yapay zekânın bugün gerçekten nerede olduğunu güncel kanıtlarla ele alıyorum.

Fetal Biyometride Otomasyon: Ölçümü Bilgisayara Devretmek

İkinci trimester taramasının omurgası biyometridir: baş çevresi (HC), biparietal çap (BPD), karın çevresi (AC) ve femur uzunluğu (FL). Bu dört ölçüm hem fetal büyümenin hem de gebelik haftası uyumunun temelini oluşturur. Geleneksel iş akışında sonografçı her ölçüm için taramayı durdurur, düzlemi yakalar ve manuel kaliper koyar.

2024'te npj Digital Medicine'da yayımlanan dikkat çekici bir çalışma, paradigmayı tersine çevirdi: tek tek "doğru kareyi yakala ve ölç" yerine, taramanın tüm karelerinden otomatik ölçüm toplayan bir yaklaşım. Sistem, 20. hafta taramasının video kaydındaki her kareyi bir sinir ağıyla sınıflandırıyor, uygun anatominin göründüğü her karede biyometriyi ölçüyor ve Bayesçi bir yöntemle yüzlerce ölçümden gerçek değeri tahmin ederek aykırı değerleri olasılıksal olarak eliyor. Geriye dönük deneyde 1.457 kayıt ve yaklaşık 48 milyon kare işlenmiş; tahmini biyometriler gerçek zamanlı manuel ölçümlerle karşılaştırıldığında insan düzeyinde performans elde edilmiş.

Anomali Taramada Yapay Zeka: PROMETHEUS Randomize Çalışması

Otomatik ölçüm tek başına yeterli değil; asıl soru, yapay zekânın anomali taramanın tanısal doğruluğunu bozmadan iş akışını iyileştirip iyileştirmediği. Bu sorunun en somut yanıtını 2024'te sunulan PROMETHEUS randomize kontrollü çalışması verdi.

Çalışmada 78 gebe (26'sı fetal konjenital kalp hastalığı taşıyan) hem standart yöntemle hem de AI destekli yöntemle tarandı; sonografçılar randomize edildi. AI destekli taramalarda model 13 standart düzlemi tanıyıp kaydetti ve dört biyometriyi ölçtü. Sonuç önemliydi: AI desteği rutin fetal anomali taramasında anlamlı zaman tasarrufu ve sonografçı bilişsel yükünde azalma sağladı, bunu tanısal performansta düşüş olmadan başardı. Çalışma 34. Dünya ISUOG Kongresi'nde (Budapeşte, Eylül 2024) sunuldu.

PROMETHEUS'un katkısı "AI insandan iyi anomali buluyor" iddiası değildir. Mesaj daha gerçekçi ve değerli: AI, deneyimli sonografçının doğruluğunu korurken işini hızlandırıp zihinsel yükünü azaltıyor. Örneklem küçüktür (78 gebe); büyük ölçekli doğrulama beklenmektedir.

ISUOG Çerçevesi: Standardizasyon Olmadan Otomasyon Olmaz

Uluslararası Obstetrik ve Jinekolojik Ultrason Derneği (ISUOG), fetal biyometri ve büyüme değerlendirmesi (2019) ile rutin orta trimester taramasının yapılışına (2022 güncel sürüm) ilişkin pratik kılavuzlarıyla bu alanın standartlarını belirliyor. Yapay zeka modellerinin değeri büyük ölçüde bu standartlara uyumlu, doğru etiketlenmiş düzlemler üzerinde eğitilip eğitilmediğine bağlı. ISUOG, obstetride ultrason ve yapay zekâ konusunu ayrı eğitim etkinlikleriyle gündemine almış durumda — yani mesleki çerçeve teknolojiyi reddetmiyor, ona standart bir zemin arıyor.

Bu nokta kritik: bir biyometri AI'sı hangi popülasyonda, hangi cihazda ve hangi düzlem tanımıyla eğitildiyse, klinik geçerliliği o bağlamla sınırlıdır. Kılavuz uyumu, modelin "her yerde çalışır" sanılmasının önündeki en sağlıklı frendir.

CTG / NST Yorumlamada Yapay Zeka: En Çok Beklenen, En Zor Alan

Kardiyotokografi (CTG), doğum eyleminde fetal iyilik halinin değerlendirilmesinde rutin olarak kullanılır; ancak yorumu son derece özneldir. Görsel değerlendirmenin doğası gereği gözlemci içi ve gözlemciler arası değişkenlik yüksektir ve sürekli intrapartum izlemde yüksek yanlış pozitiflik ile sınırlı fetal sonuç iyileşmesi iyi bilinen bir sorundur. Tam da bu nedenle CTG, yapay zekânın en çok umut bağlanan ama en zorlu uygulama alanlarından biri.

Güncel modeller ne yapıyor?

2025'te American Journal of Obstetrics & Gynecology'de yayımlanan ve 2024 Şubat'ta Maternal-Fetal Tıp Derneği (SMFM) toplantısında sunulan bir çalışma, intrapartum elektronik fetal kalp hızı izlemini derin öğrenmeyle doğumdaki asidemiyi öngörmek için kullandı. Farklı gruplar CNN, Transformer, LSTM ve CfC mimarileriyle CTG izlerinden fetal hipoksiyi öngören modeller geliştiriyor; ulusal çok merkezli çalışmalarda AI-insan karşılaştırmaları yapılıyor.

Tablo: Obstetrik AI'da Üç Uygulama Alanının Olgunluğu

İki büyük engel

• İnsan uzmanına üstünlüğü kanıtlamak: CTG'nin tarihsel sorunu yüksek yanlış pozitiflik. Bir AI'nın klinik değer katması için sadece "doğru tahmin" değil, gereksiz müdahaleyi azaltırken kötü sonuçları kaçırmaması gerekir — bu çıtanın geçilmesi zordur.
• Açıklanabilirlik: Doğumhanede saniyelerin önemli olduğu bir kararda, modelin "neden" alarm verdiğini hekime gösteremezse klinik güven oluşmaz. Mevcut modellerin gerçek dünya kullanımı tam da bu iki nedenle henüz sınırlı.

Geçmişte INFANT çalışması gibi bilgisayar destekli CTG karar destek sistemlerinin perinatal sonuçları anlamlı iyileştirememesi, bu alanda "teknoloji eklemenin" tek başına yetmediğinin altını çizmişti. Yeni nesil derin öğrenme modelleri bu dersi göz önünde bulundurarak asidemi/hipoksi gibi sert sonlanımlara odaklanıyor — ancak klinik rutine girmeleri için prospektif, sonuç odaklı kanıt hâlâ gerekli.

Sahadan Pratik Bir Bakış

Bir kadın doğum uzmanı olarak bu teknolojileri değerlendirirken üç soruyu soruyorum: (1) Model benim hasta popülasyonuma ve cihazıma benziyor mu? (2) Hata yaptığında bunu görebiliyor muyum (açıklanabilirlik)? (3) Kanıt, "doğruluk korundu" mu yoksa "sonuçlar iyileşti" mi diyor? Bugünkü dürüst tablo şu: otomatik biyometri ve AI destekli anomali taraması, hızı ve tekrarlanabilirliği kanıtlanmış biçimde iyileştiriyor; CTG yorumlama ise umut verici ama henüz "asistan" rolünün ötesine net biçimde geçemedi. Yapay zeka, deneyimli hekimin yerini almıyor; ölçen eli ve yorulan dikkati destekliyor.