Bölüm-1

Acil serviste çalışan hiçbir hekim Bayes Teoremi hesapladığını düşünmez. Oysa her gün, her nöbette, yüzlerce kez tam olarak bunu yapar. Bu yazı, çoğumuzun sezgi dediği klinik muhakemenin arkasındaki görünmez matematiği anlatıyor. Belki de iyi hekimlik, doğru cevabı bilmekten çok, yeni kanıt geldiğinde fikrini değiştirebilmektir.

Giriş

Saat 03.47… Monitör sesi… Sedye tekerleklerinin zemindeki ritmik gürültüsü… Bilgisayar ekranında yarım kalmış laboratuvar sonuçları… Henüz bitiremediğiniz bir epikriz… Tam o sırada triyaj hemşiresi sesleniyor.

“Hocam… 52 yaş erkek… Göğüs ağrısı.”

Henüz EKG çekilmedi. Henüz damar yolu bile açılmadı. Henüz ilk troponin sonucu çıkmadı. Ama beyniniz çoktan çalışmaya başladı.

Bu sahneyi her acil hekimi yüzlerce kez yaşamıştır. Aslında dışarıdan bakıldığında çok sıradan görünür. Bir hasta gelir. Bir anamnez alınır. Muayene yapılır. Tetkikler istenir. Tanı konur. Tedavi başlanır. Fakat gerçekte bunların hiçbiri bu sırayla olmaz. Hasta kapıdan girdiği anda beynimiz tanı koymaya başlamaz; olasılık hesaplamaya başlar.

Acil Servis Sadece Tanı Merkezi Değildir

Tıp fakültesinde bize hastalıklar öğretildi. STEMI’nin kriterleri, aort diseksiyonunun kliniği,  pulmoner embolinin bulguları, menenjit, subaraknoid kanama,  sepsis… Fakat mezun olup ilk nöbetimize girdiğimizde çok önemli bir gerçekle karşılaştık:

Hastalar tanıyla gelmiyordu. Kimsenin alnında pulmoner emboli yazmıyordu. Bunun yerine hastalar bize yalnızca şikâyet getiriyordu;  göğüs ağrısı, baş ağrısı, nefes darlığı, karın ağrısı, senkop, baş dönmesi… Biz ise bu şikâyetlerin arkasındaki onlarca olasılığı aynı anda düşünmek zorundaydık. İşte acil tıbbı diğer branşlardan ayıran temel özellik tam da budur. Acil servis, sadece tanı koyulan yer değil; olasılıkların sürekli yeniden hesaplandığı canlı bir laboratuvardır.

Olasılıksız Romanı Aslında Bir Acil Tıp Romanı mı?

İlk bakışta bu oldukça iddialı bir cümle gibi gelebilir. Sonuçta Adam Fawer’ın Olasılıksız romanı matematik, olasılık teorisi ve insan davranışları üzerine kurgulanmış bir bilimkurgu-gerilim eseridir. Romanın ana karakteri David Caine, geleceği görmez; insanların davranışlarını, olasılıkları ve değişkenleri analiz ederek geleceği tahmin etmeye çalışır. İşte tam burada acil hekimliği başlar. Çünkü biz de geleceği görmeyiz. Biz de yalnızca olasılıkları yönetiriz.

Göğüs ağrısıyla gelen hastanın beş saat sonra ventriküler fibrilasyona gireceğini bilmiyoruz. Ancak bunun olasılığını hesaplıyoruz. Karın ağrısıyla gelen genç kadının gerçekten apandisit olup olmadığını bilmiyoruz. Ama bunun ihtimalini sürekli güncelliyoruz. Yani farkında olmadan David Caine’in yaptığı işi yapıyoruz; matematikle değil, klinik muhakemeyle.

Bayes Teoremi Neden Acil Servisin Kalbidir?

Çoğumuz Bayes Teoremi’ni tıp fakültesinde epidemiyoloji derslerinde öğrendik. Sınav bitti, konu kapandı. En azından öyle sandık. Oysa Bayes hiçbir zaman hayatımızdan çıkmadı. Aksine, her nöbet bizimle birlikte çalışmaya devam etti.

Bayes’in söylediği şey aslında şaşırtıcı derecede basittir: “Yeni bir kanıt geldiğinde fikrini değiştir.”

Bütün matematik bunun üzerine kuruludur: Yeni bilgi… Yeni olasılık… Yeni karar…

Tıp tarihinin büyük bölümünde tanı, kesin bir sonuca ulaşılması gereken bir hedef olarak görüldü. Bayesçi yaklaşım ise farklı bir bakış açısı sundu: Tanılar kesin değildir; her biri belirli bir olasılığı temsil eder. Yeni elde edilen her klinik bulgu, laboratuvar sonucu veya görüntüleme incelemesi bu olasılığı artırır ya da azaltır.

Bugün kanıta dayalı tıbbın temelinde de bu düşünce yer almaktadır.

Richardson ve arkadaşlarının JAMA’da yayımlanan klasik “Users’ Guides to the Medical Literature” serisi, tanısal testlerin ancak hastanın ön test olasılığı ile birlikte değerlendirildiğinde anlam kazandığını vurgular^​1​.

Aynı laboratuvar sonucu, iki farklı hastada iki tamamen farklı anlam taşıyabilir.

Bir Troponin Hikâyesi

Saat 04.15, Göğüs ağrılı hastanın ilk troponini geldi. Normal. Artık soru şu değildir: Troponin normal mi?

Asıl soru şudur: Bu sonuç benim düşüncemi ne kadar değiştirmeli?

Eğer hasta;

• 24 yaşında,
• sigara kullanmıyor,
• ağrısı hareketle artıyor,
• EKG tamamen normal,  ise troponin yalnızca zaten düşük olan olasılığı biraz daha azaltır.

Ama aynı troponin;

• 74 yaşında,
• diyabetik,
• hipotansif,
• terleyen,
• tipik göğüs ağrısı tarifleyen  bir hastada tamamen farklı anlam taşır.

Çünkü laboratuvar sonucu aynı olsa bile başlangıç olasılığı aynı değildir. İşte Bayes tam da budur. Laboratuvar sonucunu yorumlamaz. Laboratuvar sonucunun hastaya ne kattığını yorumlar.

Başka bir ifadeyle; Biz aslında troponini değil, değişen olasılığı yorumlarız. McGee’nin Evidence-Based Physical Diagnosis kitabı, tanısal testlerin değerinin testin kendisinden çok, test öncesi klinik olasılığa bağlı olduğunu ayrıntılı biçimde ortaya koymuştur.

Acilcinin Cebine Not

• Normal troponin, akut koroner sendromu tek başına dışlamaz.
• Çünkü hiçbir laboratuvar sonucu klinik bağlamından bağımsız yorumlanamaz.
• Testi değil, testin olasılığı nasıl değiştirdiğini değerlendirin.

Deneyim Nedir?

Asistanlığın ilk yılında deneyimi şöyle tanımlıyordum: “Daha çok bilgi.” Bugün aynı fikirde değilim. Deneyim; daha fazla hastalık bilmek değildir. Deneyim; ön test olasılığını daha doğru tahmin edebilmektir. Otuz yıllık acil uzmanı ile birinci yıl asistanı aynı EKG’ye bakar. Aynı troponini görür. Aynı hastayı muayene eder. Fakat verdikleri karar farklı olabilir. Çünkü deneyimli hekimin zihnindeki başlangıç olasılığı, yıllar boyunca gördüğü binlerce hastanın sessiz bir toplamıdır.

Belki de klinik sezgi dediğimiz şey matematiksel bir yetenek değildir. Belki de klinik sezgi; binlerce Bayes güncellemesinin hafızamızda bıraktığı izdir.

Bölüm Sonu

Belki de acil tıp sadece tanılarla ilgili olmadı. Belki de başından beri yalnızca olasılıklarla ilgiliydi. Kapıdan giren hiçbir hasta bize gerçeği söylemez. Gerçek, her yeni bilgiyle biraz daha görünür hâle gelir.

Ve belki de iyi bir acil hekimi, en çok bilgiye sahip olan değil; her yeni kanıt karşısında fikrini değiştirebilen hekimdir.