Geri Dön

Striktüran Crohn hastalığında cerrahi gereksinimini öngörmede makine öğrenmesi temelli model geliştirilmesi

Machine learning–based prediction of surgery in stricturing Crohn's disease

PDF İndir

  1. Tez No: 1003891
  2. Yazar: BETÜL PİYADE
  3. Danışmanlar: DOÇ. DR. HALUK TARIK KANİ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Gastroenteroloji, Gastroenterology
  6. Anahtar Kelimeler: Cerrahi risk tahmini, Crohn hastalığı, makine öğrenmesi, SHAP analizi, striktüran Crohn hastalığı, Crohn's disease, machine learning, SHAP analysis, stricturing Crohn's disease, surgical risk prediction
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: İç Hastalıkları Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç: Crohn hastalığı (CH), gastrointestinal sistemin herhangi bir bölümünü etkileyebilen kronik inflamatuvar bir hastalıktır ve yapısal komplikasyonlara yol açabilmektedir. Striktürler hastalığın en sık görülen komplikasyonlarından biri olup hastalıkla ilişkili morbiditenin önemli nedenleri arasında yer almaktadır. Cerrahi açısından yüksek risk taşıyan hastaların erken dönemde belirlenmesi, hastalık progresyonunun klinik, biyolojik ve tedaviye ilişkin çok sayıda faktörün etkileşimi ile şekillenmesi nedeniyle sınırlıdır. Bu nedenle makine öğrenmesi gibi gelişmiş analitik yöntemler daha güçlü öngörü modellerinin geliştirilmesine katkı sağlamaktadır. Bu çalışmada striktüran CH hastalarında cerrahi ile ilişkili faktörlerin belirlenmesi ve cerrahi ihtiyacını öngörebilecek makine öğrenmesi temelli bir model geliştirilmesi amaçlanmıştır. Gereç ve Yöntem: Bu retrospektif kohort çalışmasında, üçüncü basamak bir merkezde 1999-2025 yılları arasında takip edilen striktüran CH olan hastalar değerlendirilmiştir. Demografik özellikler, görüntüleme bulguları, laboratuvar parametreleri ve tedavi öyküsüne ait veriler hasta kayıtlarından elde edilmiştir. Model geliştirilmeden önce primer sonlanım noktası olarak striktür ilişkili cerrahi kabul edilmiş ve klinik değişkenler ile cerrahi arasındaki ilişkiler tek değişkenli analizler ile değerlendirilmiştir. Cerrahi riskini öngörmek amacıyla makine öğrenmesi modelleri blok bazlı ablasyon yaklaşımı kullanılarak ve tabakalı 5 katlı çapraz doğrulama ile geliştirilmiştir. Bu kapsamda değişken blokları sırasıyla temel klinik ve semptom verileri, laboratuvar parametreleri, tedavi öyküsü, önceki cerrahi öyküsü ve görüntüleme bulgularını içerecek şekilde modele dahil edilmiştir. Birden fazla makine öğrenmesi algoritması değerlendirilmiş ve en iyi performansı radyal baz fonksiyon (Radial Basis Function, RBF) çekirdek fonksiyonuna sahip destek vektör makinesi (Support Vector Machine, SVM) modeli göstermiştir. Model performansı çeşitli metrikler kullanılarak değerlendirilmiş ve nihai model seçimi doğrulama katları boyunca elde edilen ortalama ROC eğrisi altında kalan alan (Receiver Operating Characteristic – Area Under the Curve, ROC-AUC) değerine göre yapılmıştır. Modelin yorumlanabilirliğini artırmak amacıyla SHapley Additive exPlanations (SHAP) analizi uygulanmıştır. iii Bulgular: Çalışmaya striktüran CH tanısı olan toplam 129 hasta dahil edilmiş olup bu hastaların 55'i (%42,6) takip süresi içerisinde striktür ile ilişkili cerrahi geçirmiştir. Tek değişkenli analizlerde cerrahi gereksinimi ile obstrüktif semptomlar, tanı ve striktür anında ölçülen C-reaktif protein (CRP), hemoglobin ve albümin düzeyleri arasında anlamlı ilişki saptanmıştır. Değerlendirilen algoritmalar arasında en yüksek ayırt edici performansı RBF çekirdekli destek vektör makinesi modeli göstermiş ve doğrulama katları boyunca ortalama ROC-AUC değeri 0,83 olarak bulunmuştur. SHAP analizi, cerrahi riskinin başlıca obstrüktif semptom yükü, daha önce striktür öncesi geçirilmiş apseye bağlı cerrahi öyküsü, striktür tanısı sırasında ölçülen hemoglobin ve albümin düzeyleri, striktür gelişimi öncesi ve sonrası anti– tümör nekroz faktörü (anti-TNF) tedavi öyküsü ile hastalık özelliklerinden ileal tutulum (Montreal L1) ve tanı yaşı (Montreal A2) tarafından şekillendirildiğini göstermiştir. Sonuç: Striktüran Crohn hastalığında cerrahi riski; klinik özellikler, hastalık fenotipi ve tedavi öyküsü arasındaki karmaşık ve doğrusal olmayan etkileşimlerin bir sonucu olarak ortaya çıkmaktadır. Çok boyutlu klinik verileri bütüncül şekilde değerlendiren makine öğrenmesi modelleri, cerrahi açısından yüksek riskli hastaların daha erken dönemde belirlenmesine katkı sağlayabilir.

Özet (Çeviri)

Background: Crohn's disease (CD) is a chronic inflammatory disorder that can affect any segment of the gastrointestinal tract and may lead to progressive structural complications. Strictures are among the most common complications and represent an important cause of disease-related morbidity. Early identification of patients at high risk for surgery remains challenging, as disease progression reflects complex interactions among clinical, biological, and treatment-related factors. Therefore, advanced analytical methods such as machine learning may offer improved predictive performance. This study aimed to identify factors associated with surgery in patients with stricturing CD and to develop a machine learning–based model to predict the need for surgery. Methods: In this retrospective cohort study, patients with stricturing CD followed at a tertiary referral center between 1999 and 2025 were analyzed. Demographic characteristics, imaging findings, laboratory parameters, and treatment history were extracted from medical records. Prior to model development, univariable analyses were performed with stricture-related surgery defined as the primary endpoint to assess the associations between clinical parameters and surgery. Machine learning models were developed using a block-wise ablation pipeline with stratified 5-fold cross-validation to evaluate the incremental contribution of different clinical data domains. Feature blocks were sequentially introduced, including baseline clinical and symptom variables, laboratory parameters, treatment history, prior surgical history, and imaging findings. Multiple algorithms were evaluated, and the best-performing model was a radial basis function (RBF) kernel support vector machine (SVM) with balanced class weights. Model performance was assessed using multiple metrics, and final model selection was based on the mean area under the receiver operating characteristic curve (ROC-AUC) across validation folds. Model interpretability was evaluated using SHapley Additive exPlanations (SHAP). Results: A total of 129 patients with stricturing CD were included in the analysis, of whom 55 (42.6%) underwent stricture-related surgery during follow-up. Univariable analyses demonstrated significant associations between surgery and obstructive symptoms, as well as C-reactive protein (CRP), hemoglobin, and albumin v levels measured at Crohn's disease diagnosis and at the time of stricture diagnosis. Among the evaluated algorithms, the radial basis function (RBF) kernel SVM demonstrated the best discriminative performance, achieving a mean ROC-AUC of 0.83 across validation folds. SHAP analysis revealed that surgical risk was primarily driven by obstructive symptoms, prior abscess-related surgery, hemoglobin and albumin levels at stricture diagnosis, anti–tumor necrosis factor (anti-TNF) exposure before and after stricture development, and disease phenotype characteristics including ileal location (Montreal L1) and age at diagnosis (Montreal A2). Conclusions: Surgical risk in stricturing Crohn's disease reflects complex and non-linear interactions between clinical characteristics, disease phenotype, and treatment history. Machine learning models integrating multidimensional clinical data may improve risk stratification and facilitate earlier identification of patients at increased risk for surgery.

Benzer Tezler

  1. Tez No

    939169

    Striktüran Crohn hastalığında cerrahi gereksinimi olan hastaların risk faktörlerinin araştırılması

    Investigation of risk factors in patients requiring surgery in stricturing Crohn's disease

    EMIL YUNUSOV

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    İç HastalıklarıMarmara Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. HALUK TARIK KANİ

  2. Tez No

    813772

    Striktür ile komplike crohn hastalığında prognoz

    Prognosis in stricture-complicated crohn's disease

    ÖZNUR AYDIN ATAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    İç Hastalıklarıİstanbul Üniversitesi-Cerrahpaşa

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. ALİ İBRAHİM HATEMİ

  3. Tez No

    33038

    İnce barsakların crohn hastalığının enteroklizis ve bilgisayarlı tomografi ile değerlendirilmesi

    Başlık çevirisi yok

    MOHAMMAD SADGHİ YENGEJEH

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1995

    Radyoloji ve Nükleer Tıpİstanbul Üniversitesi

    Radyodiagnostik Ana Bilim Dalı

    DOÇ. DR. UĞUR KORMAN

  4. Tez No

    519442

    Ülseratif kolit hastalarında total proktokolektomi ileal poş anal anastomoz sonrası ortaya çıkan crohn benzeri hastalık için prognoz ve risk faktörleri

    Başlık çevirisi yok

    TUĞÇE GÜNDOĞDU KARAKÖSE

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    Gastroenterolojiİstanbul Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. ALİ İBRAHİM HATEMİ

  5. Tez No

    646027

    Tedavide biyolojik ajan kullanılan chron hastalarında remisyon primer ve sekonder direnç oranlarının retrospektif olarak belirlenmesi ve bu oranlara etki eden faktörlerin tespiti

    Determining remission primary and secondary resistance ratios retrospectively in crohn patients WHO used biological agents and evaluation of the factors affecting these ratios

    HAYDAR GÜVEN KAYALI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    GastroenterolojiAkdeniz Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. BÜLENT YILDIRIM

Geri Dön