Çocuklarda apandisit tanısında yapay zekâ destekli karar sistemlerinin kullanımı: Prospektif bir çalışma
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, İSTANBUL ŞİŞLİ HAMİDİYE ETFAL SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, CERRAHİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: HATİCE KÜBRA GEGEZ
Danışman: Çetin Ali KARADAĞ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Apandisitin cerrahi olmayan yönetimine doğru bir eğilim vardır ve bu da preoperatif tanı ve sınıflandırmaya olan ihtiyacın artmasına neden olur. Tıbbi amaçlar için, öğrenebilen basit kavramsal karar verme modelleri yaygın olarak kullanılır. Karar ağaçları, yüksek sınıflandırma doğruluğu sağlayan güvenilir ve etkili tekniklerdir. Makine öğrenimi algoritmalarını kullanarak apandisiti tespit edip edemeyeceğimizi ve karmaşık olmayan vakaları karmaşık vakalardan ayırt edip edemeyeceğimizi test etmek istiyoruz. Gereç ve Yöntem: Çalışma Haziran 2025- Ekim 2025 tarihleri arasında çocuk cerrahisi kliniğinde karın ağrısı nedeniyle takip edilen hastalar ve opere edilen akut apandisit hastalarının takiplerinde kaydedilen verilerle gerçekleştirilmiştir. İstatistiksel analiz için SPSS 15.0 for Windows programı kullanıldı. Tanımlayıcı istatistikler; kategorik değişkenler için sayı ve yüzde, sayısal değişkenler için ortalama, standart sapma, minumum, maksimum, median olarak verildi.Sayısal değişkenlerin karşılaştırmaları normal dağılım koşulu sağlanmadığından bağımsız iki grupta Mann Whitney U Testi yapıldı. Gruplarda oranlar Ki Kare testi ile karşılaştırıldı. Alfa anlamlılık seviyesi p˂0,05 olarak kabul edildi. Bulgular: Çalışmamızda akut apandisit ön tanısıyla opere ettiğimiz hastalarda ,eksplorasyonda apandisit olmayan olgular ve karın ağrısı nedeniyle takip edilip eksplorasyon yapılmayan hastalar XGBOOST modeliyle değerlendirildiğinde %87.23lük genel doğruluk ve özellikle klinik önceliği yüksek olan apandisit olmayan vakalar için ulaşılan %75 lik duyarlılık (recall) ve %82 lik kesinlik (precision) oranına ulaşmıştır. FM bulguları olmadan ablasyon modelinde duyarlılık ve kesinlik oranlarında düşüş olmuştur . Ayrıca takip karın ağrılarının veri setlerinden çıkartılmasıyla oluşturulan algoritmada ise negatif eksplorasyon yapılan hastalarının verilerinin modelin eğitilmesi için yeterli olmadığı daha fazla veri ihtiyacı olduğu izlenmiştir. Sonuç: Geliştirilen modelin teorik bir çalışma olmanın ötesinde, pratik bir klinik değere sahip olabileceğini göstermektedir. Öte yandan fm bulguları olmadan yapılan ablasyon modeliyle de yapay zekanın tek başına rakamsal verilerle tanı koyma oranının düştüğünü bize göstermiştir. Geliştirilen model, daha önce görülmemiş test verileri üzerinde %87.23lük genel bir doğruluk oranına ulaşmıştır,acil servise başvuran ve apandisit şüphesi olan hastalarda etkili bir erken uyarı ve triyaj aracı olarak kullanılabileceği anlamına gelir. Anahtar Kelimeler:Akut apandisit,makine öğrenimi,çocuk