Üriner sistem taş hastalığının cerrahi tedavisinde başarıyı ve komplikasyonları öngörmede yapay zekâ uygulamalarının kullanımı
Use of artificial intelligenceapplications in prediction of success and complications in the surgical treatment of urinary stone disease
- Tez No: 753789
- Danışmanlar: DOÇ. DR. ALİ ÇİFT, ÖĞR. GÖR. HÜSEYİN KUTLU
- Tez Türü: Tıpta Uzmanlık
- Konular: Üroloji, Urology
- Anahtar Kelimeler: üriner sistem taş hastalığı, yapay zekâ, başarı tahmini, komplikasyon gelişimi tahmini, urinary system stone disease, artificial intelligence, prediction of success, prediction of complication development
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Adıyaman Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Üroloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 132
Özet
Amaç: Bu çalışmada üriner sistem taş hastalığı nedeniyle üreterorenoskopi, retrograd intrarenal cerrahi ve perkütan nefrolitotomi yapılan hastaların tedavi başarısını ve komplikasyonları ön görmek için açıklanabilir yapay zekâ yöntemlerini kullanmayı hedefledik. Materyal ve Metod: Bu çalışma Adıyaman Üniversitesi Girişimsel Olmayan Klinik Araştırmalar Etik Kurulu (2022/3-15) tarafından onaylandı. Adıyaman Üniversitesi Tıp Fakültesi Eğitim ve Araştırma Hastanesi Üroloji Kliniğinde Ocak 2018 – Ocak 2022 yılları arasında ÜSTH (böbrek ve üreter taşı) nedeniyle URS, RİRC ve PNL girişimi uygulanan 917 hastanın operasyon öncesi, esnası ve sonrası değişkenleri retrospektif olarak değerlendirildi. Hastalar uygulanan cerrahi tipine göre 3 ayrı gruba ayrıldı. Her bir grup için ayrı ayrı kaydedilmiş öznitelikler hem başarıyı tahmin etmek hem de komplikasyon gelişimini tahmin etmek için farklı sınıflandırma algoritmaları ile sınıflandırıldı. Model performans metriği olarak karışıklık matrisi kullanıldı. Modelin açıklanabilmesi için LIME ve SHAP algoritmaları kullanıldı. Veri kümeleri; Hold-out ve 10 katlı çapraz doğrulama yöntemleri kullanılarak sınıflandırıcı modeller oluşturuldu. Veri kümesindeki dengesizliği çözmek için SMOTE algoritması kullanıldı. Bulgular: PNL hastalarında başarıyı tahmin etmede en yüksek doğruluk oranına XGBoost (%89,13), komplikasyon gelimini ön görmede ise Rastgele Orman (%93,81) algoritması ulaşmıştır. LIME algoritması bir hastanın ameliyatının başarılı ya da başarısız geçme ihtimalini ve komplikasyon gelişip gelişmeyeceği ihtimalini hesaplamıştır. LIME ve SHAP algoritmalarına göre; yüksek taş boyutu, yüksek hidronefroz derecesi, erkek cinsiyet, yüksek taş cilt mesafesi başarısızlığa katkı sağlar. Yüksek ortalama trombosit hacmi değerleri ise başarıya katkı sağlar. Aynı algoritmalara göre; taşın pelvis lokalizasyonu, yüksek hounsfield unit değeri, yüksek taş boyutu, düşük lökosit değerleri ve yüksek nötrofil değerleri komplikasyon gelişme ihtimalini arttırır. URS hastalarında başarıyı tahmin etmede en yüksek doğruluk oranına Multi Layer Perceptron (%85,09), komplikasyon gelişimini tahmin etmede ise Rastgele Orman (%96,35) algoritması ulaşmıştır. LIME algoritması bir hastanın ameliyatının XV başarılı ya da başarısız geçme ihtimalini ve komplikasyon gelişip gelişmeyeceği ihtimalini hesaplamıştır. LIME ve SHAP algoritmalarına göre; proksimal üreter lokalizasyonu başarıyı azaltırken, düşük ortalama trombosit hacmi değerleri ve erkek cinsiyette başarı artar. Yüksek nötrofil/lenfosit oranı ve 0,2-0,35 arasındaki monosit/lenfosit oranı değerlerinde komplikasyon ihtimali artarken, distal üreter lokalizasyonu komplikasyon ihtimalini azaltır. RİRC hastalarında başarıyı tahmin etmede en yüksek doğruluk oranına Multi Layer Perceptron (%91,17), komplikasyon gelişimini ön görmede ise Multi Layer Perceptron ve Rastgele Orman (%97,67) algoritmaları ulaşmıştır. LIME algoritması bir hastanın ameliyatının başarılı ya da başarısız geçme ihtimalini ve komplikasyon gelişip gelişmeyeceği ihtimalini hesaplamıştır. LIME ve SHAP algoritmalarına göre; nitrit pozitifliği, taşın üst kaliks ve üreteropelvik bileşke lokalizasyonu, yüksek taş boyutu, yüksek eritrosit dağılım genişliği ve yüksek monosit sayısı başarıyı olumsuz etkileyen faktörlerdir. Operasyon öncesi idrar kültüründe nadir görülen mikroorganizmaların üremesi, operasyon öncesi ateş yüksekliği, yüksek hidronefroz derecesi ve yüksek monosit sayısı komplikasyon gelişme ihtimalini arttırmaktadır. Sonuç: Üriner sistem taş hastalığında başarıya ve komplikasyonlara etki eden faktörlerle ilgili çalışmalar eksiktir. Yapay zekânın bu anlamda kullanılması bu faktörleri daha fazla netleştirmemizi, başarı ve komplikasyon gelişimini önceden tahmin etmemizi ve böylece hastaya ameliyatı ile ilgili daha etkin bilgilendirme yapabilmemizi sağlar.
Özet (Çeviri)
Objective: In this study, we aimed to use explainable artificial intelligence methods to predict the treatment success and complications of patients who underwent ureterorenoscopy, retrograde intrarenal surgery and percutaneous nephrolithotomy for urinary system stone disease. Material and Method: This study was approved by Adıyaman University NonInvasive Clinical Research Ethics Committee (2022/3-15). The preoperative, preoperative and postoperative variables of 917 patients who underwent URS, RIRC and PNL for urinary stone disease (kidney and ureteral stones) between January 2018 and January 2022 in the Urology Clinic of Adıyaman University Faculty of Medicine Training and Research Hospital were evaluated retrospectively. The patients were divided into 3 groups according to the type of surgery performed. Separately recorded features for each group were classified with different classification algorithms to both predict success and predict the development of complications. Confusion matrix was used as model performance metric. LIME and SHAP algorithms were used to explain the model. Classifier models were created by using Hold-out and 10-fold crossvalidation methods. The SMOTE algorithm was used to resolve the imbalance in the dataset. Results: XGBoost (%89.13) had the highest accuracy in predicting success in PNL patients, and Random Forest (%93.81) in predicting the development of complications. The LIME algorithm calculated the probability that a patient's surgery would be successful or unsuccessful and whether complications would develop. According to LIME and SHAP algorithms; high stone size, high hydronephrosis degree, male gender, high stone-to-skin distance contribute to failure. High mean platelet volume values contribute to success. According to the same algorithms; pelvis localization of the stone, high Hounsfield Unit value, high stone size, low leukocyte values and high neutrophil values increase the possibility of developing complications. Multi Layer Perceptron (%85.09) had the highest accuracy in predicting success in URS patients, and Random Forest (%96.35) algorithm in predicting the development of complications. The LIME algorithm calculated the probability that a patient's surgery would be successful or unsuccessful and whether complications XVII would develop. According to LIME and SHAP algorithms; proximal ureter localization decreases success, low mean platelet volume values and male gender increase success. High neutrophil/lymphocyte ratio and monocyte/lymphocyte ratio values between 0.2-0.35 increase the possibility of complications, distal ureter localization reduces the possibility of complications. Multi Layer Perceptron (%91.17) algorithms achieved the highest accuracy in predicting success in RIRC patients, and Multi-Layer Perceptron and Random Forest (%97.67) algorithms in predicting the development of complications. The LIME algorithm calculated the probability that a patient's surgery would be successful or unsuccessful and whether complications would develop. According to LIME and SHAP algorithms; nitrite positivity, localization of the stone at the upper calyx and ureteropelvic junction, high stone size, high erythrocyte distribution width and high monocyte count are the factors that negatively affect success. The growth of rare microorganisms in the preoperative urine culture, high preoperative fever, high hydronephrosis degree and high monocyte count increase the possibility of developing complications. Conclusion: Studies on the factors affecting success and complications in urinary system stone disease are lacking. The use of artificial intelligence in this sense allows us to clarify these factors more, predict success and complication development, and thus provide more effective information to the patient about the surgery.
Benzer Tezler
- İki-dört cm'lik böbrek taşlarının tedavisinde perkütan nefrolitotomi ve retrograd intrarenal cerrahinin karşılaştırılması
Comparison of percutaneous nephrolithotomy and retrograde fl exible nephrolithotripsy for the treatment of 2 – 4 cm stones
ORHAN KARAKOÇ
- ESWL işleminin erkek hastalarda anksiyete ve cinsel işlev üzerine etkisi
The effect of ESWL treatment on anxiety and sexual function in male patients
NEJDET KARŞIYAKALI
Tıpta Uzmanlık
Türkçe
2018
ÜrolojiSağlık Bilimleri ÜniversitesiÜroloji Ana Bilim Dalı
DOÇ. DR. ERKAN ERKAN
- Standart perkütan nefrolitotomi ve tüpsüz perkütan nefrolitotomi sonuçlarının karşılaştırılması:Prospektif randomize çift kör çalışma
Comparation results of standard percutaneous nephrolithotomy and tubeless percutaneous nephrolithotomy:A prospective randomized double-blind study
HÜSEYİN KOÇAKGÖL
- Endoskopik taş cerrahisinde üreteral erişim kılıfının cinsel fonksiyonlara alt üriner sistem semptomlarına ve psikolojik duruma etkileri
The effects of ureteral access sheath on sexual functions, lower urinary system symptoms and psychologi̇cal status in endoscopic stone surgery
VEYSİ TUNÇ
- Böbrek ve üreter taşlarının kontrastsız bilgisayarlı tomografi üzerinde hesaplanan hounsfield ünitesinin holmium yag laser ile yapılan üreterorenoskopi ve retrograd intrarenal cerrahi tedavisinde fragmantasyon üzerindeki etkisi
Effect of holmium laser measured in computerized tomography on fragmentation in retrograde intrarenal surgery and ureterorenoscopy performed with holmium yag laser for treatment of kidney and ureter stones
MUHİTTİN ATAR
Tıpta Uzmanlık
Türkçe
2018
ÜrolojiBozok ÜniversitesiÜroloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH GÜREL