İntravenöz trombolitik ve mekanik trombektomi uygulanan akut iskemik inme olgularında yapay zeka yöntemleriyle prognoz tahminlemesi
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, İSTANBUL FATİH SULTAN MEHMET SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, DAHİLİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: IRMAK SALT
Danışman: Eren GÖZKE
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Günümüzde iskemik inmenin akut tedavileri uygulanırken aktif olarak kullanılan klinik karara yardımcı yapay zekâ algoritmaları bulunmamaktadır. Bu mekanizmaların kullanıma girmesinin hasta yakınları ve klinisyenlerin karar verme süresini kısaltarak, hasta disabilitesini azaltacağı öngörülmektedir. Amacımız akut inmenin reperfüzyon tedavilerinin prognostik faktörlerini yapay zekâ yöntemleri kullanarak belirlemek ve prognoz tahminlemesi yapabilen bir makine öğrenme modeli oluşturmaktır. Gereç ve Yöntem: Çalışmamıza Eylül 2017- Eylül 2020 tarihleri arasında hastanemiz acil servisine başvuran akut inme tedavisi almış ve nöroloji yoğun bakım takibi kliniğimizce yapılmış olan 550 hasta dahil edilmiştir. Hastaların demografik bilgileri, başvuru vital bulguları ve temel laboratuvar değerleri ile radyolojik olarak hiperdens arter bulgusu çalışmaya alınmıştır. Akut, kronik ve genel olmak üzere üç farklı prognoz tanımlaması oluşturulmuştur. Prognostik olabilecek 24 parametre kullanılarak üç farklı prognoz tanımlaması için yapay sinir ağı ve genetik algoritma karma metodu kullanılarak yapay zekâ modeli oluşturulmuştur. Bulgular: Akut prognoz tanımına göre hastaların %62,04'ünün (n=335) iyi, %37,96'sının (n=205) ise kötü sonlandığı kaydedildi. Kronik prognoz tanımına göre hastaların %50,37'si (n=272) iyi, %49,63'ü (n=268) kötü sonlanım gösterdi. Genel sonlanım kriterlerine göre ise hastaların %46,11'inin (n=249) iyi, %53,89'unun (n=291) ise kötü sonlandığı görüldü. Yaş ve tedavi sonrası hemoraji oluşumunun prognoz tanımlamasından bağımsız olarak sonlanımı etkilediği gösterildi. Reperfüzyon tedavisinden bağımsız olarak akut prognoza etkisi olduğu gösterilen faktörler; yaş, hiperlipidemi varlığı, geliş Glasgow Koma Skalası (GKS), geliş kan şekeri ve tedavi sonrası hemoraji oluşumudur. Reperfüzyon tedavisinin yönteminden bağımsız olarak kronik prognoza etkisi olduğu gösterilen faktörler ise; geliş kan şekeri ve tedavi sonrası hemoraji oluşumudur. Tedavi yönteminden bağımsız olarak genel sonlanıma etkisi olduğu gösterilen faktörler ise; geliş National Institutes of Health Stroke Scale (NIHSS) ve tedavi sonrası hemoraji oluşumudur. Çalışmada geliştirilen tüm modellerin ortalama AUC (Area Under the Curve = eğri altında kalan alan) değeri 0,80 olup, en yüksek performanslı modelin AUC değeri 0,92'dir. Sonuç: Çalışmamızda belirlenen farklı alt gruplar için yapay zekâ yöntemleri ile prognostik faktörler belirlenmiştir. Geliştirilen yapay zekâ modelinin tahminleme performansı literatürdeki skorlama sistemleriyle karşılaştırıldığında modelimizin daha yüksek performans sergilediği görülmüştür. Benzer amaç güden yapay zekâ modelleri ile karşılaştırıldığında ise en iyi performans gösteren modelimizin literatürde bildirilmiş en yüksek performanslı modellerden biri olduğu görülmüştür. Anahtar kelimeler: iskemik inme, makine öğrenme, prognoz, reperfüzyon tedavisi, yapay sinir ağları