Geri Dön

Tam kan parametrelerine göre talasemi ile demir eksikliği anemisi tanısında yapay zeka kullanımı

The USE of artificial intelligence in diagnosis of thalassemia and iron deficiency anemia according to CBC parameters

  1. Tez No: 773880
  2. Yazar: FURKAN KORKMAZ
  3. Danışmanlar: PROF. DR. CENK AYPAK
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Aile Hekimliği, Family Medicine
  6. Anahtar Kelimeler: Yapay zeka, yapay sinir ağları, anemi, demir eksikliği, talasemi, Artificial intelligence, artificial neural networks, anemia, iron deficiency, thalassemia
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Ankara Dışkapı Yıldırım Beyazıt Eğitim Ve Araştırma Hastanesi
  11. Ana Bilim Dalı: Aile Hekimliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 51

Özet

Giriş ve Amaç: Günümüzde yapay zeka her alanı olduğu gibi tıp alanını da etkilemeye başlamıştır. Tıpta yapay zeka ilk olarak 2000‟li yıllarda kullanılmaya başlanmıştır. Özellikle de en fazla tanı, tedavi işlemleri ve robotik uygulama alanlarında yarar sağlanmıştır. Dünya nüfusunun zaman geçtikçe artması ve yaşlanması gibi problemlerin yanında, bunun bir sonucu olarak doktor açığının artması da göze alındığında doktorların daha hızlı ve doğru karar vermesine yardımcı sistemler kullanarak kazanılan her saniye pek çok insanın sağlığına kavuşmasına yardımcı olacaktır. Tüm anemi sebepleri içinde Demir eksikliği anemisi %62,5 gibi büyük bir oranı oluşturmaktadır. Talasemi taşıyıcılığı ise tüm anemi sebepleri içinde %5,4lük bir oran ile aneminin en sık 2. sebebini oluşturmaktadır. Bundan dolayı talasemi minör ile demir eksikliği anemisi tanısının konulması ve ayrımının yapılması önem taşımaktadır. Gereç ve Yöntemler: Yapay zeka eğitim ve sınama veri setleri oluşturmak için 542 adet demir eksikliği tam kan verisi, 552 adet talasemi tam kan verisi ve 3192 adet normal aralıktaki tam kan verisi olmak üzere toplamda 4286 adet tam kan verisi kullanıldı. Bu veriler daha sonra randomize edilerek homojen bir veri seti oluşturuldu. Daha sonra bu veri %75e %25 şeklinde ikiye ayrıldı. %75‟lik kısmı“yapay zeka eğitim seti”olarak, diğer %25‟lik kısmı“yapay zeka sınama seti”olarak kullanıldı. Oluşturduğumuz yapay zeka modelimiz, eğitildikten sonra, eğitimde kullanmadığımız diğer %25‟lik“yapay zeka sınama seti”ile sınandı. Bu sınamada yapay zeka modelinin başarı oranı Özgüllük (specificity), Duyarlılık (recall, sensitivite), kesinlik skoru (precision) ve F1 skoru değerleri ile ortaya konuldu. Bulgular: İki gizli katmandan oluşan YSA, test setinde yer alan 135 adet DEA tam kan verisinin tamamını DEA olarak tanımlayabilmiştir. 138 adet talasemi tam kan verisinin ise 135 adetini talasemi olarak tanımlayabilmiştir. Dolayısıyla ilgili YSA, gerçekte talasemi olmasına karşın DEA olarak 3 adet yanlış tahminde bulunmuştur. Sonuç: İstatistiksel verilerle ortaya konulduğu üzere yapay zeka ile talasemi ve DEA tanısı koymada umut vadeden sonuçlara ulaşılmıştır. Yapay zeka modellerinin klinisyenlerin daha hızlı karar vermelerine yardımcı olarak iş yükünü azaltabileceği gösterilmiştir.

Özet (Çeviri)

Introduction and Aim: Artificial intelligence (AI) has begun to affect the field of medicine as every field, nowadays. Artificial intelligence in medicine has been used in 2000s, firstly. In particular, the most benefit has been achieved in the fields of diagnosis, treatment procedures and robotic applications. In addition to problems such as the increasing and aging of the world population by the time, considering the increase in the shortage of doctors as a result of this, every second saved by using systems that help doctors to make faster and more accurate decisions will help many people to regain their health. Iron deficiency anemia constitutes a large proportion of 62.5% among all the causes of anemia. Thalassemia minor is the second most common cause of anemia with a rate of 5.4%. Therefore, it is important to diagnose thalassemia minor and iron deficiency anemia and to make a distinct between them. Materials and Methods: A total of 4286 CBC data, including 542 iron deficiency CBC data, 552 thalassemia CBC data, and 3192 normal range CBC datahave been used to create artificial intelligence training and testing datasets. After that, these data have been randomized to create a homogeneous data set. Then, this data have been divided into 75% and 25%. 75% and the other 25% parts of these data have been used as“artificial intelligence training set”and“artificial intelligence test set”, respectively. After thetraining of the artificial intelligence model, it has been tested with the“artificial intelligence test set”which has not been used to train before. The success rate of the artificial intelligence model for the test was determined by using specificity, sensitivity, precision and F1 score values. Results: The Artificial Neural Network (ANN) model with two hidden layershas been able to identify all 135 IDA whole blood data as IDA within the test set. It has been able to define 135 of 138 thalassemia CBC data as thalassemia. In other words, the ANN model has made only 3 wrong predictions. Conclusion: As demonstrated by statistical data, promising results have been achieved in diagnosing thalassemia and IDA with artificial intelligence. It has been shown that AI models can be used to reduce the workload of clinicians to make faster decisions by helping.

Benzer Tezler

  1. Pediatrik hastalarda demir eksikliği anemisi ve talasemi taşıyıcılığı ayırıcı tanısında eritrosit indekslerinin kullanılabilirliği

    The usability of erythrocyte indexes in the differential diagnosis of iron deficiency anemia and thalassemia carrier in pediatric patients

    BÜŞRA YİĞİT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Aile HekimliğiSağlık Bilimleri Üniversitesi

    Aile Hekimliği Ana Bilim Dalı

    DOÇ. DR. ÜMİT AYDOĞAN

  2. HbF veya HbA2 anormalliği olan bireylerde Kruppel-like factor 1 ve Hemoglobin subunit delta genlerindeki mutasyonların genotip-fenotip ilişkisinin incelenmesi

    Investigation of the genotype-fenotype relationship between the mutations of Kruppel-like factor 1 and Hemoglobin subunit delta genes in patients with HbF or HbA2 abnormalities

    TANER KARAKAYA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    GenetikÇanakkale Onsekiz Mart Üniversitesi

    Tıbbi Genetik Ana Bilim Dalı

    PROF. DR. ÖZTÜRK ÖZDEMİR

  3. Talasemi minör ve demir eksikliği anemisi olan çocuklarda serum prohepsidin düzeyleri ve solubl transferrin reseptörü ile ilişkisinin araştırılması

    Determination of prohepcidin levels in children with iron deficiency anemia and beta thalessemia minorand the investigation of correlation between serum prohepcidin and solubl transferrin receptors levels

    DURAN KARABEL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2009

    Çocuk Sağlığı ve HastalıklarıFatih Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. AZİZ POLAT

  4. Ege Bölgesi'nden 1124 lise öğrencisinde beta talasemi taşıyıcılığı

    Başlık çevirisi yok

    YEŞİM AYDINOK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1993

    Çocuk Sağlığı ve HastalıklarıEge Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. SENAY ÖZTOP

  5. Beta talasemi major hastalarında oral deferasirox ve diğer demir şelasyon tedavilerinin kardiak, hepatik ve endokrin organlardaki demir birikimi üzerine etkisinin T2* MRG ile değerlendirilmesi

    The evaluation of the oral deferasirox and other iron chelation treatments of cardiac, hepatic and endocrin organs with T2* MRI in beta thallasemia major patients

    MÜNEVVER BAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Çocuk Sağlığı ve HastalıklarıHacettepe Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ŞULE ÜNAL