# Çalışmanın Arka Planı

Vestibüler schwannom (VS) cerrahisi, genellikle yüz siniri fonksiyonu ve işitme üzerinde etkili olabilen bir nöroşirurji prosedürüdür. Son yıllarda, makine öğrenimi (ML) modelleri, bu cerrahi sonrası fonksiyonel sonuçları tahmin etmek için giderek yaygınlaşmıştır. Ancak, bu teknolojilerin güvenilirliği ve klinik geçerliliği hala belirsizliğini korumaktadır.

# Araştırma Yöntemleri

2026 yılı Şubat ayına kadar PubMed, Embase ve CENTRAL veritabanlarında yapılan taramalarda ML tabanlı tahmin modellerini inceleyen çalışmalar değerlendirilmiştir. Sistematik değerlendirme, bu modellerin tanısal performansını ölçen bir meta-analiz ile birleştirilmiştir. Çalışmanın analizine 1270 hasta ve 56 ML modeli dahil edilmiştir (PMID: 42637963).

# Bulgular

Çalışmada, yüz siniri disfonksiyonunu tahmin etmek için öngörülen AUC 0.91, işitme korunumu için ise 0.92 olarak bulunmuştur. Dahil edilen çalışmalar genellikle belirsiz veya yüksek önyargı riskindedir. Bununla birlikte, yüz siniri disfonksiyonu için kanıt derecesi orta düzeyde iken, işitme korunumu için düşük düzeydedir. Bu fark, küçük ölçekli çalışmaların yaygınlığından kaynaklanıyor olabilir.

# Limitasyonlar

Çalışmada belirlenen başlıca sınırlamalar arasında model performansında yüksek heterojenite, sınırlı harici doğrulama ve kalibrasyon raporlamasındaki tutarsızlıklar bulunmaktadır. Bu durum, modellerin klinik uygulamaya taşınabilirliğini ve genel uygulanabilirliğini kısıtlamaktadır.

# Sonuç ve Öneriler

Makine öğrenimi tabanlı modeller, VS cerrahisi sonrası sonuçları tahmin etmede potansiyel taşımaktadır. Ancak, yöntemlerde tutarlılık sağlanması ve daha düşük önyargı riski taşıyan çalışmalara ihtiyaç bulunmaktadır. Ek olarak, farklı bağımsız gruplarda bu modellerin doğruluğunun test edilmesi gelecekteki araştırmalar için önemli bir adım olacaktır.

# Kaynakça

PubMed — Neurology & Neuroscience, 2026 (DOI: 10.1007/s11060-026-05747-5)