Bronkopulmoner displazi gelişiminin makine öğrenmesi modeli ile öngörülmesi
Predicting the development of bronchopulmonary dysplasia using machine learning models
- Tez No: 1006712
- Danışmanlar: PROF. DR. FATMA BEGÜM ATASAY
- Tez Türü: Tıpta Uzmanlık
- Konular: Çocuk Sağlığı ve Hastalıkları, Child Health and Diseases
- Anahtar Kelimeler: Bronkopulmoner Displazi, Prematüre, Makine Öğrenmesi, XGBoost, Tanı Kriterleri, Yenidoğan Yoğun Bakım, Bronchopulmonary Dysplasia, Preterm, Machine Learning, XGBoost, Diagnostic Criteria, Neonatal Intensive Care
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş: Bronkopulmoner displazi (BPD), prematüre bebeklerde akciğer gelişimini ve onarımını bozan olumsuz etkenlerin bir araya gelmesi sonucu ortaya çıkan, yönetimi karmaşık ve klinik önemini koruyan morbiditelerden biri olmaya devam etmektedir. Amaç: Bu çalışmanın amacı; prematüre bebeklerde BPD gelişimini etkileyen perinatal ve postnatal risk faktörlerini incelemek ve farklı tanı kriterleri içeren 3 sınıflandırma sistemini (BPD 2001, BPD 2018 ve BPD 2019) ayrı ayrı kullanarak BPD varlığı ile şiddetini öngörebilen risk modelleri geliştirmek ve validasyonunu yapmaktır. Yöntem: Çalışmaya 2018-2024 yılları arasında Ankara Üniversitesinde ≤32 gebelik haftasında doğan ve yenidoğan yoğun bakım ünitesinde tedavi gören, 359 hasta, retrospektif incelenerek aday olarak alınmış, verileri eksiksiz olan 263 olgu analiz edilmiştir. Çalışmanın primer sonlanması; • BPD 2001, BPD 2018 ve BPD 2019 sınıflandırmalarına göre BPD tanı sıklığının ve şiddetinin araştırılması, risk yaratan durumların öngörülmesi için olguların demografik özellikleri, antenatal verileri ve postnatal klinik parametrelerinin konvansiyonel yöntemlerle karşılaştırılması • BPD 2001, BPD 2018 ve BPD 2019 BPD sınıflaması kullanılarak demografik özellikleri, antenatal verileri ve postnatal klinik parametrelerinin; BPD tanı ve BPD şiddetini etkileyen risk etmenlerinin veri setlerinin incelenmesi ve 3 ayrı algoritma kullanılarak oluşturulan modeller ve performanslarının AUC, Accuracy ve F1-skoru metrikleri ile değerlendirilmesidir. Bulgular: Değerlendirilen 263 hastada kız/ erkek oranı 119/144, ortalama gebelik haftası ve doğum ağırlığı 29.1±2,1 hafta, 1262±379 g bulundu. Olguların BPD 2001 kriterlerine göre %41,8'i (n=110), BPD 2018 ve 2019 kriterlerine göre ise %29,3'ü (n=77) bronkopulmoner displazi tanısı almıştır. 2 BPD gelişen olgularda doğum ağırlığı ve gebelik haftası, kontrol grubuna göre istatistiksel olarak anlamlı düzeyde düşük saptanmıştır (p<0,001). Her üç sınıflama sisteminde de erkek cinsiyet, Respiratuar Distres Sendromu (RDS), surfaktan ihtiyacı, İntraventriküler Kanama (İVK), Nekrotizan Enterokolit (NEK), Patent Duktus Arteriozus (PDA) ve hemodinamik anlamlı PDA (HsPDA) varlığı, BPD gelişimi ile ilişkili majör risk faktörleri olarak belirlenmiştir. Özellikle mekanik ventilasyon süreci incelendiğinde; yaşamın 1., 7. ve 14. günlerindeki entübasyon ihtiyacının BPD gelişimi ile kuvvetli bir ilişki gösterdiği, 7. gündeki entübasyon varlığının BPD 2001 tanısı için riski 23 kat, BPD 2018/2019 tanısı için ise yaklaşık 12 kat artırdığı görülmüştür. Hastalık şiddeti açısından yapılan evreleme analizlerinde; BPD 2001 sınıflaması, tanı alan hastaların büyük bir kısmını, %19,4'ünü (n=51),“Ağır BPD”kategorisinde sınıflandırma eğilimindeyken; BPD 2019 sınıflaması tam tersi bir dağılım sergileyerek olguların çoğunluğunu, %20,2'sini, (n=53)“Evre 1”(hafif) grubunda toplamıştır. BPD 2001 kriterlerine göre“ağır”olarak sınıflandırılan grupta RDS sıklığı ve 7. gün entübasyon oranları, hafif ve orta gruplara göre anlamlı derecede yüksek bulunmuştur (p=0,006). BPD 2018 evrelemesinde evreler arasındaki tek anlamlı farkın 1. gün entübasyon ihtiyacında olduğu görülürken (p=0,04), BPD 2019 evrelemesinde buna ek olarak NEK sıklığının da evre ilerledikçe anlamlı artış gösterdiği saptanmıştır (p=0,03). Çalışma grubumuzda BPD 2018 ve 2019 tanımları karşılaştırıldığında, tanı alan hasta sayısı ve klinik özelliklerin dağılımının birebir benzerlik gösterdiği tespit edilmiştir. Yapılan modeller kendi içinde karşılaştırıldığında; BPD varlığını gösteren 3 farklı sınıflamada (BPD 2001, BPD 2018 ve BPD 2019), 3 farklı algoritma (Lojistik Regresyon, Random Forest ve XGBoost) ile oluşturulan tüm modellerde yüksek başarı (AUC: 0.915–0.966) sergilerken modeller arasından BPD 2001 tanı kriterlerini kullanan ve Random Forest algoritması ile yapılan model diğerlerinin önüne geçmiştir. 3 BPD şiddetini gösteren modeller arasında ise 'XGBoost algoritması ve BPD 2019 kriterlerinin kombinasyonun' kesinlik ve duyarlılık olarak en yüksek performansı (F1- skoru: 0.569) sağladığı gösterilmiştir. Özellikle en yüksek başarıyı gösteren BPD 2001 tanı kriterlerini kullanan ve Random Forest algoritması ile yapılan modelimizde ilk sırada 14. Gün Solunum desteği tipi bulunurken, ikinci sırada Gebelik Haftası ve 3. Sırada 14. Gün FiO2 yer almaktadır. Bu veriler hastalığın varlığını tahmin etmede diğer risk faktörlerine göre daha etkilidir. BPD şiddetini gösteren modeller arasında ise 'XGBoost algoritması ve BPD 2019 kriterlerinin kombinasyonu On dördüncü Gün Solunum değişkeninin 0.2683'lük önem skoru ile açık ara en belirleyici faktör olduğu tespit edilmiştir. Bu değişkeni, birbirine yakın önem düzeyleri ile ANS (0.0563) ve PDA (0.0560) takip etmektedir. Sonuç: Bu çalışmada; BPD etiyolojisinde birçok risk faktörünün varlığı gösterilmiştir. Konvansiyonel istatistiksel yöntemler ile doğum ağırlığı ve gebelik haftası, erkek cinsiyet, Respiratuar Distres Sendromu (RDS), surfaktan ihtiyacı, İntraventriküler Kanama (İVK), Nekrotizan Enterokolit (NEK), Patent Duktus arteriozus (PDA) ve hemodinamik anlamlı PDA(HsPDA) varlığı, BPD gelişimi ile ilişkili majör risk faktörleri olarak belirlenmiştir. Yapılan modellerden, BPD varlığının öngörülmesinde BPD2001- Random Forest modellemesi BPD şiddetinin öngörülmesinde BPD 2019 -XGBoost eşleşmesi en yüksek performansı göstermiş, risk faktörleri arasından postnatal 14. gün klinik seyri ve gebelik haftası hastalığın tanısını koymada ve tedavi planlamada kritik bir gösterge olduğu ortaya çıkmıştır. Makine öğrenmesi modellerinde, postnatal 14. gündeki solunum desteği ve FiO2 gereksiniminin hastalığın şiddetini öngörmede en güçlü risk faktörleri olduğu saptanmıştır. Makine öğrenmesi algoritmaları klinik karar destek mekanizmalarında yüksek doğrulukla kullanılabilir. Erken dönemde riskli bebeklerin tespiti, tedavi stratejilerinin bireyselleştirilmesi açısından büyük önem taşımaktadır.
Özet (Çeviri)
Introduction: Bronchopulmonary dysplasia (BPD) remains a complex and clinically significant morbidity in preterm infants, arising from a combination of adverse factors that impair lung development and repair. Objective: The aim of this study is to examine the perinatal and postnatal risk factors affecting the development of BPD in preterm infants and to develop and validate risk models capable of predicting the presence and severity of BPD using three different classification systems (BPD 2001, BPD 2018, and BPD 2019). Methods: A total of 359 candidates born at ≤32 gestational weeks and treated in the neonatal intensive care unit at Ankara University between 2018 and 2024 were retrospectively reviewed; 263 cases with complete data were included in the analysis. The primary endpoints of the study were: • Investigating the incidence and severity of BPD according to the BPD 2001, BPD 2018 ve BPD 2019 classifications, and comparing demographic characteristics, antenatal data, and postnatal clinical parameters using conventional methods to predict high-risk conditions. • Analyzing datasets of demographic, antenatal, and postnatal clinical risk factors affecting BPD diagnosis and severity across the three classifications, and evaluating the performance of models created using three different algorithms based on AUC, Accuracy, and F1-score metrics. Results: Among the 263 infants evaluated, the female/male ratio was 119/144, with a mean gestational age of 29.1±2.1 weeks and a mean birth weight of 1262±379 g According to the 2001 BPD criteria, 41.8% (n=110) of the cases were diagnosed with BPD, whereas 29.3% (n=77) were diagnosed according to the 2018 and 2019 criteria. Birth weight and gestational age were significantly lower in the BPD group compared to the control group (p <0.001). In all three classification systems, male sex, Respiratory Distress Syndrome (RDS), surfactant requirement, Intraventricular Hemorrhage (IVH), Necrotizing Enterocolitis (NEC), Patent Ductus Arteriosus (PDA), and hemodynamically significant PDA (hsPDA) were identified as major risk factors for BPD development. 5 Specifically, regarding the mechanical ventilation process, the need for intubation on postnatal days 1, 7, and 14 showed a strong correlation with BPD development; intubation on day 7 increased the risk of BPD 2001 by 23-fold and BPD 2018/2019 by approximately 12-fold. In severity analysis, the BPD 2001 classification tended to categorize most patients (%19,4) as“Severe BPD,”while the BPD 2019 classification showed the opposite distribution, grouping the majority (%20,2) into“Grade 1”(mild). When comparing machine learning models, all models using Logistic Regression, Random Forest, and XGBoost demonstrated high success (AUC: 0.915–0.966) across all three classifications. The Random Forest model using 2001 NICHD criteria outperformed the others in predicting BPD presence. For predicting BPD severity, the combination of the XGBoost algorithm with BPD 2019 criteria achieved the highest performance (F1- score: 0.569). In the top-performing Random Forest model (BPD 2001), the type of respiratory support on day 14 was the most influential factor, followed by gestational age and FiO2 on day 14. In the XGBoost-BPD 2019 severity model, the“Day 14 Respiratory Support”variable was by far the most decisive factor with an importance score of 0.2683, followed by Antenatal Steroids (ANS) (0.0563) and PDA (0.0560). Conclusion: This study demonstrates the presence of multiple risk factors in the etiology of BPD. While conventional statistics identified birth weight, gestational age, and various neonatal morbidities as major risk factors, machine learning models revealed that the clinical course on postnatal day 14 and gestational age are critical indicators for diagnosis and treatment planning. Specifically, respiratory support and FiO2 requirements on day 14 were the strongest predictors of disease severity. Machine learning algorithms can be utilized with high accuracy in clinical decision support systems. Identifying high- risk infants early is of great importance for personalizing treatment strategies.
Benzer Tezler
- Prematüre bebeklerde bronkopulmoner displazi'nin erken tanısı ve şiddet sınıflandırmasında yapay zekâ destekli akciğer grafisi ve klinik veri analizi: Risk faktörlerinin değerlendirilmesi
Başlık çevirisi yok
ESRA KURT
Tıpta Uzmanlık
Türkçe
2026
Çocuk Sağlığı ve HastalıklarıTokat Gaziosmanpaşa ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
YRD. DOÇ. DR. ARİF İSMET ÇATAK
- Çok düşük doğum ağırlıklı bebeklerde bronkopulmoner displazi sıklığı ve trombosit kitle indeksi ile ilişkisi
Frequency of bronchopulmonary dysplasia in very low birth weight infants and its relationship with platelet mass index
MUHAMMED BARUT
Tıpta Uzmanlık
Türkçe
2025
Çocuk Sağlığı ve HastalıklarıAkdeniz ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. HAKAN ONGUN
- Premature bebeklerde sitokinler (TNF-α, IL-1ß, IL-6, IL- 10) ve CD11b, akciğer hasarı ve bronkopulmoner displazi gelişiminin ön göstergesi olabilir mi?
May cytokınes (TNF-α, IL-1ß, IL-6, IL- 10) And CD11b, be a marker for Lung injury and bronchopulmonary dysplasia development in premature infants?
BÜLENT KAYIK
Tıpta Uzmanlık
Türkçe
2010
Çocuk Sağlığı ve HastalıklarıUludağ ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. NİLGÜN KÖKSAL
- Bronkopulmoner displazi ile ilişkilendirilen belirli genlerdeki polimorfizmlerin Türk populasyonu üzerinde incelenmesi
Investigation of polymorphisms on certain genes which are associated with bronchopulmonary dysplasia among Turkish population
AYBERK AKAT
Doktora
Türkçe
2018
BiyomühendislikYıldız Teknik ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. DİLEK BALIK
- Bronkopulmoner displazi gelişen prematürelerde serum CC16 ve Bal sıvısında TGF B-1, Kaspaz-3, 8, 9 düzeyleri
Serum levels of CC16 and Bal fluid levels of TGF B-1 Caspase-3,8,9 in premature infants who develop bronchopulmonary dysplasia
MEHTAP DURUKAN TOSUN
Tıpta Uzmanlık
Türkçe
2010
Çocuk Sağlığı ve HastalıklarıFırat ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. A. DENİZMEN AYGÜN