Akut apandisit tanı oranının makine öğrenmesi yardımı ile prospektif olarak iyileştirilmesi
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, ADANA TIP FAKÜLTESİ, CERRAHİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: ERHAN GÖK
Danışman: Edip AKPINAR
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Hastane acillerinde en sık görülen cerrahi batın problemi olan akut apandisitin ciddi morbidite ve mortaliteye yol açmaması için erken teşhis edilip tedavi edilmesi gerekir. Doğru tanı koyma oranı gittikçe artmakla birlikte yanlış tanı oranı hala %20'nin üstündedir. Bu çalışmada, merkez bazlı tarihsel veri ile eğitilen modeller aracılığıyla akut apandisitin doğru tanı oranının artırılabilirliği araştırılmaktadır. Gereç ve Yöntem: Adana Şehir Eğitim ve Araştırma Hastanesi arşivinden retrospektif olarak apendektomi ameliyatı yapılan hastaların klinik bilgileri, laboratuvar sonuçları, radyolojik bulguları ve histopatolojik raporları çıkartılarak tek bir veri tabanı altında toplandı. Bu veriler makine öğrenmesi algoritmaları uygulanarak analiz edildi ve prediktif bir model oluşturuldu. Daha sonra prediktif modelin ışığında eski dosyalarda yeterince bulunmadığı anlaşılan değişkenleri ortaya çıkaracak bir sorgu formu hazırlanıp prospektif olarak akut apandisit nedeniyle cerrahi servisine yeni kabul edilen hastalara uygulandı. Makina öğrenmesi algoritmaları için KNIME, istatistikler için R paketi kullanıldı ve p<0.05 değeri anlamlı olarak kabul edildi. Bulgular: 2020 Ocak ve 2021 Aralık tarihleri arasında apendektomi ameliyatı olan 908 hastanın kaydı çıkarıldı. Akut apandisitin patolojik tanısı hedef değişken olarak seçildiğinde denetimli makine öğrenmesi analizine tabi tutulan verilerden lojistik regresyon modeli öne çıktı. Retrospektif modelde hastanın hikaye, sistem sorgusu ve hekimin doğrudan izlenimini yansıtan klinik bilgilerin belirgin olarak eksik olduğu ortaya çıktı, bunun üzerine bu tip bilgileri elde edip analize dahil etmek için bir sorgu formu hazırlanıp akut apandisit nedeni ile servise kabul edilen 107 hastaya prospektif olarak uygulandı. Elde edilen yeni veriler tekrar değerlendirilerek modelin doğruluğu geliştirildi. Bu şekilde prospektif seride modelin doğru tanı koyma oranı %76'dan %84.5'e çıkmıştır (p<0.05). Sonuç: Merkez bazlı retrospektif verilerden elde edilen deneyim kullanılarak, makine öğrenmesi aracılığıyla akut apandisitin doğru tanı oranının artırılması mümkündür. Çalışmamız hekim-hasta etkileşiminin özeti olan hikaye, sistem sorgusu ve fizik muayene bilgilerinin tanıda ek yöntemlerden daha önemli olabileceğini işaret etmektedir. Ancak, kesin bir sonuca varabilmek için triyajı yapılmamış hastalarda daha geniş kapsamlı prospektif çalışmalara ihtiyaç vardır. Anahtar Kelimeler: Akut Apandisit, Makine Öğrenmesi, Negatif Apendektomi, Erken Tanı