GÜNCEL YAYIN Koruyucu Hekimlik, Yaşam Tarzı Tıbbı ve Hücresel Biyoloji
📅 17 Kasım 2026 · Bağımsız Editoryal Ağ
Endokrinoloji

Yeni Bir Tanı Aracı: Makine Öğrenmesi Destekli Radyal Nabız Dalga Analizi Adet Döngüsü Bozukluklarında Etkili Olabilir

✍️ Editör Masası • 📅 16 Kasım 2026 • ⏱️ 7 dk okuma
Yeni Bir Tanı Aracı: Makine Öğrenmesi Destekli Radyal Nabız Dalga Analizi Adet Döngüsü Bozukluklarında Etkili Olabilir

Özet

Arka Plan:

Genç kadınlar arasında yaygın olan adet bozuklukları, endokrin anormallikler ve kardiyovasküler risklerle ilişkilidir. Mevcut tanı yöntemleri öznel değerlendirmeye dayanmakta ve nesnel araçlardan yoksundur. Geleneksel Çin Tıbbı (GÇT) nabız teşhisi sistemik durumu yansıtsa da, öznel niteliği klinik kullanımı sınırlamaktadır. Bu çalışmada, makine öğrenimini radyal nabız dalga analiziyle entegre eden otomatik bir yöntem geliştirdik.

Yöntemler:

Adet bozuklukları grubu ve normal grup olmak üzere iki gruba ayrılmış 246 katılımcının yer aldığı kesitsel bir çalışma yürütüldü. İki gruptan nabız dalga verileri ve GÇT bünye bilgileri toplandı. Gruplar arası karşılaştırmalar Mann–Whitney U testi ile gerçekleştirildi ve çoklu karşılaştırmalar için Benjamini–Hochberg düzeltmesi uygulandı. Tüm ön işleme, özellik seçimi ve hiperparametre ayarlamaları yalnızca eğitim seti içinde iç içe çapraz doğrulama kullanılarak yapıldı. Altı önceden belirlenmiş model karşılaştırıldı: LR-ElasticNet, LDA-Shrinkage, LR, SVM, DT ve XGBoost. Performans; doğruluk, duyarlılık, özgüllük, kesinlik, F1 skoru ve AUC ölçütlerine göre değerlendirildi ve her bir ölçüt için %95 güven aralıkları hesaplandı.

Bulgular:

Adet bozuklukları grubu ile normal grup arasında nabız dalga parametreleri ve bünye tiplerinde anlamlı farklılıklar saptandı. Adet bozuklukları grubunda ağırlıklı olarak Yin eksikliği bünyesi gözlemlendi; bilateral w, w/t, h3/h1 ve sol taraftaki h5 değerleri artarken, bilateral h4/h1, sol taraftaki h3 ve ad değerleri azaldı (P < 0.05, FDR-düzeltilmiş q < 0.05). En iyi model olarak LDA-Shrinkage seçildi ve AUC=0.977 (%95 GA 0.919–1.000), doğruluk=0.986, F1 = 0.989, kesinlik=0.978, duyarlılık=1.000 ve özgüllük=0.966 değerlerine ulaştı. Bu model, altı model arasında en iyi kalibrasyon ve yorumlanabilirlik özelliklerine sahipti. SHAP analizi, Rw/t ve Lh4/h1’in en etkili aday özellikler olduğunu belirledi ve bunları gelecekteki araştırmalar için temel gözlemsel parametreler olarak önerdi.

Sonuç:

Makine öğrenimi ile birleştirilmiş radyal nabız dalga analizi, adet bozukluklarının taranmasında umut verici bir keşif performansı sergiledi. Gözlemlenen GÇT bünye farklılıkları, hastalığın heterojenliğine dair mekanistik bilgiler sunarak kişiselleştirilmiş tedavi stratejilerini desteklemektedir. Bu bulgular, GÇT nabız teşhisinin nesnel standartlaştırılmasına katkı sağlarken, klinik pratik için non-invaziv bir tarama aracı da sunmaktadır.

1 Giriş

Adet bozuklukları, özellikle yoğun akademik baskı, düzensiz yaşam tarzları ve psikolojik stres nedeniyle bu semptomlara daha yatkın olan üniversite öğrencileri arasında önemli bir sağlık sorunudur (). Adet bozuklukları, döngü düzenliliğinde, kanama süresinde veya menstrual kan kaybında anormallikler içeren yaygın jinekolojik durumlardır. Bu durumlar, eskiden polikistik over sendromu (PCOS) olarak bilinen polienдокrin metabolik over sendromu (PMOS) da dahil olmak üzere altta yatan endokrin veya metabolik bozuklukları yansıtabilir. Özellikle PMOS ile ilişkili menstrual fonksiyon bozukluğu sadece kısırlığa katkıda bulunmakla kalmaz, aynı zamanda miyokard enfarktüsü de dahil olmak üzere uzun vadeli metabolik komplikasyonlar ve kardiyovasküler olaylar riskini de artırır (, ). Bu nedenle, menstrual fonksiyon bozukluğunun erken tespiti, ilgili komplikasyonları önlemek için esastır. Ancak mevcut tanı yaklaşımları ağırlıklı olarak hastanın öznel semptom bildirimlerine ve invaziv muayenelere dayanmakta olup, nesnel ve non-invaziv alternatiflerin geliştirilmesine acil ihtiyaç olduğunu göstermektedir. Yeni araştırmalar, adet bozuklukları olan hastalarda karakteristik vasküler fonksiyon bozukluğu olduğunu göstermiştir (); bu da nabız dalga analizinin yeni bir tanı modalitesi olarak kullanılmasına fizyopatolojik bir gerekçe sunmaktadır. Bu kanıtlara dayanarak, mevcut çalışma akıllı bir erken tespit çerçevesi oluşturmak amacıyla makine öğrenimini radyal arter nabız dalga analiziyle entegre etmeyi amaçlamaktadır.

Biyomedikal perspektiften bakıldığında, birçok adet bozukluğu endokrin fonksiyon bozukluğu ile ilişkilidir ve hormonal tedavi, seçili durumlar için genellikle ilk tercih veya ek tedavi olarak kullanılır. Ancak uzun süreli hormonal tedavi, yetersiz tedavi sonuçları ve doku ödemleri ile endokrin bozulma gibi yan etkiler nedeniyle sınırlı olabilir, bu da güvenlik endişelerini artırmaktadır (). Buna karşılık, geleneksel Çin tıbbı (GÇT), adet bozukluklarını anlamak ve tedavi etmek için bütüncül bir çerçeve sunar. GÇT teorisine göre kan, kadın fiziolojisinin temeli olarak kabul edilir ve adet bozuklukları, vücudun qi ve kan dengesizlikleri ile iç organ fonksiyon bozukluklarıyla ilişkilidir (). Farklı bünye tiplerinin adet bozuklukları üzerinde değişken etkileri olabilir. Bu çerçevede, “bünye” olarak adlandırılan bireyin içsel özellikleri merkezi bir rol oynar. GÇT bünyesi, fiziksel özellikleri, hastalığa yatkınlığı ve çevresel değişikliklere yanıt vermesini kapsar ve standartlaştırılmış Çin Bünye Tıbbı (CCM) ölçeği kullanılarak değerlendirilir. Bu ölçeğin güvenilirliği doğrulanmış olup çeşitli sağlık bağlamlarında uygulanabilir ve bireysel sağlık ve hastalık farklılıklarını GÇT perspektifinden anlamak için bir temel sağlar (, ). CCM ölçeği bireyleri dokuz bünye tipine ayırır: Dengeli, Qi eksikliği, Yang eksikliği, Yin eksikliği, Balgam-nem, Nem-sıcaklık, Kan stazı, Qi depresyonu ve Özel bünye. Dengeli bünye normal kabul edilirken, diğer sekiz tip dengesiz bünyeler olarak sınıflandırılır. Bu sınıflandırma, bireylerin adet bozukluklarına yatkınlığını değerlendirmek ve bu çalışmada gözlemlenen bünye dağılımını yorumlamak için standartlaştırılmış bir temel sağlar. GÇT bünye teorisine göre, adet bozuklukları sadece lokal semptomlar değil, aynı zamanda yin ve yang gibi temel vücut unsurları arasındaki dengesizliğin sistemik tezahürleridir. Bir bireyin bünye tipini belirleyerek, klinisyenler iç dengeyi ve uyumu yeniden sağlamak ve sadece semptomları hafifletmek yerine adet bozukluklarının altta yatan nedenlerini ele almak amacıyla kişiselleştirilmiş tedavi planları geliştirebilirler.

GÇT bünye değerlendirmesi ve hastalık teşhisi sürecinde nabız teşhisi temel bir bileşendir. Bu yöntem, nabzın radyal arterde hissedilmesiyle gerçekleştirilir ve her nabız konumu belirli bir iç organ sistemiyle ilişkilidir (). Klasik GÇT teorisine göre, radyal nabız her iki bilekte de Cun, Guan ve Chi pozisyonlarında incelenir. Sol taraftaki Cun, Guan ve Chi geleneksel olarak sırasıyla kalp/perikard, karaciğer/safra kesesi ve böbrek Yin/idrar kesesi ile ilişkilendirilirken, sağ taraftaki Cun, Guan ve Chi sırasıyla akciğer/göğüs, dalak/mide ve böbrek Yang/Mingmen ile ilişkilidir (). Mevcut çalışma nabız dalgalarını bilateral olarak Guan pozisyonundan aldığı için, sol Guan esas olarak karaciğer/safra kesesi fonksiyonunu, sağ Guan ise esas olarak dalak/mide fonksiyonunu yansıtır. Yüzyıllar boyunca uygulayıcılar, nabzın özelliklerini yorumlayarak hastaların fiziksel durumları ve bünyeleri hakkında bilgi edinmişlerdir; nabız, iç organların durumunu, Qi’yi (yaşam enerjisi) ve kanı yansıtabilir ().

Temel Bulgular ve Genel Değerlendirme

Gelecekteki öncelikli yönler arasında, öngörü modelinin ve aday özelliklerin, standartlaştırılmış nabız dalga edinimi ile kapsamlı klinik ve endokrin değerlendirmeler içeren daha büyük, çok merkezli kohortlarda doğrulanması yer almaktadır. Gelecekteki çalışmalar, GÇT bünyesini ayrı bir özellik değişkeni olarak dahil edebilir, prospektif uzunlamasına tasarımlar kullanabilir ve bu nabız dalga özelliklerinin PMOS gibi adet bozukluğu alt tipleriyle ilişkili olup olmadığını araştırabilir. Bu tür çabalar, nabız dalga analizinin genç kadınlarda menstrual sağlığın nesnel ve non-invaziv öngörülmesine ve değerlendirilmesine katkı sağlayıp sağlayamayacağını belirlemeye yardımcı olacaktır.

Beyanlar

Generatif Yapay Zeka Beyanı

Yazar(lar), bu makalenin oluşturulmasında generatif yapay zekanın kullanılmadığını beyan etmiştir.

Bu makaledeki şekillerin yanında yer alan tüm alternatif metinler (alt metinler), Frontiers tarafından yapay zeka desteğiyle oluşturulmuş olup doğruluğu sağlamak için makul çabalar sarf edilmiş ve mümkün olduğunda yazarlar tarafından incelenmiştir. Herhangi bir sorun tespit ederseniz lütfen bizimle iletişime geçin.

Yayıncının notu

Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kurumların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından öne sürülebilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.

Kısaltmalar

PMOS, polienдокrin metabolik over sendromu (önceden polikistik over sendromu, PCOS olarak biliniyordu); TCM, geleneksel Çin tıbbı; ML, makine öğrenmesi; CCM, Çin Anayasal Tıp ölçeği; BMI, vücut kitle indeksi; LR-ElasticNet, elastik ağ lojistik regresyonu; SVM, destek vektör makinesi; DT, karar ağaçları; LDA-Shrinkage, daraltmalı doğrusal ayrımcılık analizi; LR, lojistik regresyon; XGBoost, ekstrem gradyan yükseltme; ROC, alıcı işletim karakteristiği; TP, doğru pozitif; TN, doğru negatif; FP, yanlış pozitif; FN, yanlış negatif; SHAP, Shapley toplamsal açıklamaları; DCA, karar eğrisi analizi; FDR, yanlış keşif oranı; CI, güven aralığı; AUC, alıcı işletim karakteristiği eğrisinin altındaki alan.

Özet

Anahtar kelimeler

makine öğrenmesi, adet bozuklukları, nabız teşhisi, radyal nabız dalgası, geleneksel Çin tıbbı anayasası

Atıf

Chen Y, Cheng S, Lin H ve Men S (2026) Makine öğrenmesi destekli radyal nabız dalgası analizi: adet bozuklukları için yeni bir tanı aracı olarak: kesitsel bir çalışma. Front. Digit. Health 8:1964508. doi: 10.3389/fdgth.2026.1964508

Alındı

11 Ağustos 2026

Revize edildi

14 Ekim 2026

Kabul edildi

30 Ekim 2026

Yayınlandı

16 Kasım 2026

8 – 2026

Serena Moscato, Bologna Üniversitesi, İtalya

Tania Romo-Gonzalez, Universidad Veracruzana, Meksika

Bowen Zha, Peking Union Tıp Fakültesi, Çin

© 2026 Chen, Cheng, Lin ve Men.

Bu, Creative Commons Atıf Lisansı (CC BY) şartları altında dağıtılan açık erişimli bir makaledir. Orijinal yazarların ve telif hakkı sahiplerinin belirtilmesi ve bu dergideki orijinal yayına kabul edilen akademik uygulamalara uygun olarak atıfta bulunulması koşuluyla, diğer platformlarda kullanılması, dağıtılması veya çoğaltılmasına izin verilir. Bu şartlara uymayan hiçbir kullanım, dağıtım veya çoğaltmaya izin verilmez.

*İletişim: Shaoyang Men shaoyang.men@gzucm.edu.cn

Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kurumların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından öne sürülebilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.

Frontiers | Machine learning-assisted radial pulse wave analysis as a novel diagnostic tool for menstrual disorders: a cross-sectional study
Frontiers | Machine learning-assisted radial pulse wave analysis as a novel diagnostic tool for menstrual disorders: a cross-sectional study
İlginizi Çekebilir: Yetişkinlerde Medulloblastoma Tedavisi: Tek Merkez Deneyimi →
Kaynak: Frontiersin ↗
BENZER İNCELEMELER

İlgili Diğer Rehberler