Radikal prostatektomi planlanan, prostat kanserli hastalarda yapay zekâ tabanlı makine öğrenme tekniği kullanarak preoperatif lenf nodu tutulumunu ve doğru evreleme yapılması için genişletilmiş lenf nodu diseksiyonunu öngörme modeli

---

Tezin Türü: Tıpta Uzmanlık

Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, HAMİDİYE SAĞLIK BİLİMLERİ ENSTİTÜSÜ, ÜROLOJİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: AHMET TEVFİK ALBAYRAK

Danışman: Soner GÜNEY

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

AMAÇ Biz bu çalışmamızda, radikal prostatektomi (RP) planlanan prostat kanserli hastalarda doğru evreleme yapılabilmesini öngörebilmek ve ePLND kararı vermek adına yapay zekâ tabanlı bir araç geliştirmeyi planladık. GEREÇ VE YÖNTEMLER Bu çalışmaya, RP + ePLND yapılmış olan 105 adet hasta dahil edilmiştir. Makine öğrenme (ML) modellerini eğitmek, değerlendirmek ve test etmek için MATLAB (MATrix LABoratory) programlama dilini kullandık. Yazılım mühendislerinin önerilerine göre üç farklı ML algoritması kullanıldı: Random forest, K-nearest neighbour ve lojistik regresyon. Yaş, BMI, PSAd, PIRADS v2. Skoru, ISUP sınıflaması, perinöral invazyon varlığı, klinik T evresi, pozitif kor sayısı, pozitif biyopsi materyal yüzdesi, TRUS-bx ile biyopsi derecesi (Gleason skoru ≤3+3, 3+4, 4+3 ve ≥4+4) girdi değişkenleri olarak kabul edildi. BULGULAR ML algoritmaları arasında en iyi performans göstergeleri ANN'ye aittir. Verinin bir kısmını öğrenme ve parametre optimizasyonu için kullandıktan sonra test değerlerinde 94.12% kesinlik seviyesine 0,97 AUC ile ulaşmıştır. Diğer yöntemler de kesinlik olarak 80-85% arasında bir seviyede kalmışlardır. Hastaların Briganti grubunu tahmin etmede en çok gelecek vaat eden yöntem ANN olmuştur. SONUÇ ML tabanlı bir modelin kullanılması ePLND gerektiren hastaları daha doğru bir şekilde tanımlayarak prostat kanseri tedavisinde önemli bir rol oynayabileceğine ve önemli bir fark yaratabileceğine inanıyoruz.