İntravenöz trombolitik ve mekanik trombektomi uygulanan akut iskemik inme olgularında yapay zeka yöntemleriyle prognoz tahminlemesi
Prediction of clinical outcome by machine learning based models for intravenous thrombolytic and mechanical thrombectomy patients in acute ischemic stroke
- Tez No: 710528
- Danışmanlar: UZMAN IŞIL KALYONCU ASLAN, PROF. DR. EREN GÖZKE
- Tez Türü: Tıpta Uzmanlık
- Konular: Nöroloji, Neurology
- Anahtar Kelimeler: iskemik inme, makine öğrenme, prognoz, reperfüzyon tedavisi, yapay sinir ağları, artificial neural networks, ischemic stroke, machine learning, prognosis, reperfusion therapy
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Fatih Sultan Mehmet Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Nöroloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
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.
Özet (Çeviri)
Objective: There are no artificial intelligence algorithms to assist in clinical decision- making that are actively used today in acute treatments of ischemic stroke. The introduction of these mechanisms is expected to reduce stroke disability and maximize the patient benefit by shortening the decision-making time of both the next-of-kin and clinicians. Our objective is to determine the prognostic factors of acute stroke reperfusion therapies using artificial intelligence methods and to create a machine learning model that can predict the clinical outcome using these parameters. Material and Methods: Our study included 550 patients who presented to the emergency department of our hospital between September 2017 - September 2020 and received acute reperfusion therapies and then consequently monitored by our neurology intensive care. The demographics, presenting vital signs and basic laboratory findings of the patients were compiled. Three different prognosis definitions have been established: acute, chronic and general. An artificial intelligence model was created using artificial neural network and genetic algorithm mixed method to define different prognostic factors for three different outcome definitions using various 24 parameters. Results: According to the definition of acute prognosis, 62.04% (n=335) of patients had good clinical outcome and 37.96% (n=205) showed poor clinical outcome. According to the definition of chronic prognosis, 50.37% (n=272) of patients had good prognosis and 49.63% (n=268) had poor prognosis. According to the general prognosis definition, 46.11% of patients (n=249) presented good clinical outcome and 53.89% (n=291) had poor clinical outcome. Age and hemorrhage formation after treatment were shown to affect clinical outcome regardless of prognosis definition. The factors that were shown to influence acute prognosis regardless of reperfusion treatment are age, presence of hyperlipidemia, presenting Glasgow Coma Scale (GCS), presenting blood glucose and the formation of hemorrhage after treatment. The factors that have been shown to influence chronic prognosis regardless of the method of reperfusion therapy are blood glucose and the formation of hemorrhage after treatment. The parameters that are shown to affect general outcome regardless of treatment method are presenting National Institutes of Health Stroke Scale (NIHSS) and the formation of hemorrhage after treatment. The average area under the curve (AUC) value of all models developed in the study is 0.80, and the AUC value of the best performing model is 0.92. Conclusion: Various prognostic factors were determined via machine learning based methods for different subgroups defined in our study. The predictive performance of the developed model was found to perform better compared to the scoring systems in the literature. Compared to the similar artificial intelligence-based models, it was observed that our model with highest AUC was one of the best performing models reported in the literature.
Benzer Tezler
- Akut iskemik inme tedavisinde mekanik trombektomi ile birlikte uygulanan aspirasyon trombektominin tedavideki etkinliği ve klinik sonuçlarının değerlendirilmesi
Evaluation of the effectiveness and clinical outcomes of aspiration thrombectomy with mechanical thrombectomy in the treatment of acute ischemic stroke
GÖKAY KARAÇA
Tıpta Uzmanlık
Türkçe
2019
Radyoloji ve Nükleer Tıpİzmir Katip Çelebi ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN ÇAKIR
- Trombolitik tedavi alan ve mekanik trombektomi uygulanan akut stroke hastalarında kötü fonksiyonel sonlanım ve hastane içi mortaliteyi öngörmede laboratuar parametreleri ile skorlama sistemleri arasındaki ilişki
The relationship between laboratory parameters and scoring systems in predicting poor functional outcome and in-hospital mortality in acute stroke patients receiving thrombolytic treatment and mechanical thrombectomy
VEYSEL YILMAZ
- Akut serebrovasküler hastalık nedeni ile intravenöz trombolitik ve/veya endovasküler mekanik trombektomi uygulanan hastalarda biyokimyasal ve hematolojik parametrelerin hemorajik transformasyon riskini belirlemedeki etkisi
The effect of biochemical and haematologic parameters on haemorrhagic transformation in patients treated with intravenous thrombolytic and/or endovascular mechanical thrombectomy due to acute cerebrovascular disease
GÜLHAN YILDIRIM ÖZDEMİR
Tıpta Uzmanlık
Türkçe
2022
NörolojiSağlık Bilimleri ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. VİLDAN AYŞE YAYLA
- Akut iskemik inmede intravenöz trombolitik tedavi ve trombektomi etkinliğinin değerlendirilmesi
The effectiveness of intravenous thrombolytic therapy and thrombectomy in acute ischemic stroke
HAMZA TAŞCI
Tıpta Uzmanlık
Türkçe
2022
Nörolojiİzmir Katip Çelebi ÜniversitesiNöroloji Ana Bilim Dalı
UZMAN ZEYNEP TANRIVERDİ
DOÇ. DR. CİHAT UZUNKÖPRÜ
- Endovasküler girişim ve/veya ıntravenöz trombolitik tedavi uygulanan ve konvansiyonel tedavi verilen akut inmeli hastalarda erken epileptik nöbet gelişme olasılığı
A comparison of post-stroke seizure rate in patients receiving thrombolytic, mechanical thrombectomy versus conventional treatmentfollowing acute ischemic stroke
AYDAN TOPAL
Tıpta Uzmanlık
Türkçe
2018
NörolojiSağlık Bilimleri ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. ZEYNEP NEŞE ÖZTEKİN