Tam kan parametrelerine göre talasemi ile demir eksikliği anemisi tanısında yapay zeka kullanımı
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, ANKARA DIŞKAPI YILDIRIM BEYAZIT SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, DAHİLİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: FURKAN KORKMAZ
Danışman: Cenk AYPAK
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Giriş ve Amaç: Günümüzde yapay zeka her alanı olduğu gibi tıp alanını da etkilemeye başlamıştır. Tıpta yapay zeka ilk olarak 2000‟li yıllarda kullanılmaya başlanmıştır. Özellikle de en fazla tanı, tedavi işlemleri ve robotik uygulama alanlarında yarar sağlanmıştır. Dünya nüfusunun zaman geçtikçe artması ve yaşlanması gibi problemlerin yanında, bunun bir sonucu olarak doktor açığının artması da göze alındığında doktorların daha hızlı ve doğru karar vermesine yardımcı sistemler kullanarak kazanılan her saniye pek çok insanın sağlığına kavuşmasına yardımcı olacaktır. Tüm anemi sebepleri içinde Demir eksikliği anemisi %62,5 gibi büyük bir oranı oluşturmaktadır. Talasemi taşıyıcılığı ise tüm anemi sebepleri içinde %5,4lük bir oran ile aneminin en sık 2. sebebini oluşturmaktadır. Bundan dolayı talasemi minör ile demir eksikliği anemisi tanısının konulması ve ayrımının yapılması önem taşımaktadır. Gereç ve Yöntemler: Yapay zeka eğitim ve sınama veri setleri oluşturmak için 542 adet demir eksikliği tam kan verisi, 552 adet talasemi tam kan verisi ve 3192 adet normal aralıktaki tam kan verisi olmak üzere toplamda 4286 adet tam kan verisi kullanıldı. Bu veriler daha sonra randomize edilerek homojen bir veri seti oluşturuldu. Daha sonra bu veri %75e %25 şeklinde ikiye ayrıldı. %75‟lik kısmı "yapay zeka eğitim seti" olarak, diğer %25‟lik kısmı "yapay zeka sınama seti" olarak kullanıldı. Oluşturduğumuz yapay zeka modelimiz, eğitildikten sonra, eğitimde kullanmadığımız diğer %25‟lik "yapay zeka sınama seti" ile sınandı. Bu sınamada yapay zeka modelinin başarı oranı Özgüllük (specificity), Duyarlılık (recall, sensitivite), kesinlik skoru (precision) ve F1 skoru değerleri ile ortaya konuldu. Bulgular: İki gizli katmandan oluşan YSA, test setinde yer alan 135 adet DEA tam kan verisinin tamamını DEA olarak tanımlayabilmiştir. 138 adet talasemi tam kan verisinin ise 135 adetini talasemi olarak tanımlayabilmiştir. Dolayısıyla ilgili YSA, gerçekte talasemi olmasına karşın DEA olarak 3 adet yanlış tahminde bulunmuştur. Sonuç: İstatistiksel verilerle ortaya konulduğu üzere yapay zeka ile talasemi ve DEA tanısı koymada umut vadeden sonuçlara ulaşılmıştır. Yapay zeka modellerinin klinisyenlerin daha hızlı karar vermelerine yardımcı olarak iş yükünü azaltabileceği gösterilmiştir. Anahtar kelimeler: Yapay zeka, yapay sinir ağları, anemi, demir eksikliği, talasemi