Geri Dön

Önemi belirsiz atipi/önemi belirsiz foliküler lezyon tanısı alan tiroid nodüllerinin malignite öngörüsü için yapısal eşitlik modeli ile karar destek sistemi

Decision support system with the structural equation modeling for prediction of malignancy on thyroid nodes that are diagnosed as atypia of undetermined significance or follicular lesion of undetermined significance

PDF İndir

  1. Tez No: 780993
  2. Yazar: ZELİHA AYDIN KASAP
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BURÇİN KURT
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 114

Özet

Tiroid kanserlerinde karar vermenin en karmaşık olduğu hasta grubu Bethesda sisteminin 3. kategorisindeki AUS/FLUS tanısı alan hastalardır. Malignite riski %10-30 aralığında değişen bu tür hastalara belirli sıklıklarla ince iğne aspirasyonu biyopsisi (İİAB) önerilmekte, bazen de hastanın isteği doğrultusunda cerrahi müdahale ile sonuçlanmaktadır. Yapılan çalışmada, tiroid kanseri şüphesi ile bir kliniğe başvuran ve İİAB sonucu AUS/FLUS tipi sitopatolojide tanımlanan nodüllü hastaların; klinik bilgileri, ultrasonografi ve sitopatolojik bulguları kullanılarak yapay zekâ ve makine öğrenmesi yöntemleri ile ameliyat öncesi nodüllerin benign/malign durumunun belirlenmesinde hekime yardımcı olacak en başarılı modele dayalı bir klinik karar destek sistemi önerilmiştir. Söz konusu veri setinde, değişkenler arasındaki ilişkileri belirlemek ve istatistik olarak anlamlı kestirimler yapabilmek amacıyla yapısal eşitlik modellemesi yöntemi kullanılmıştır. Bu yöntemle belirlenen anlamlı değişkenler üzerinde, makine öğrenmesi/yapay zeka yaklaşımlarından olan destek vektör makineleri (DVM), bağımsız varsayımlarla Bayes teoremini temel alan olasılıklı bir sınıflayıcı olan Naive Bayes ve karar ağacı yöntemleri kullanılarak karar destek sistemi oluşturmak için modelleri kurulmuştur. Çalışmanın sonucunda, YEM analizi kullanılarak elde edilen değişkenler ile geliştirilen en başarılı modelin duyarlılığı %70, seçiciliği %93 ve doğruluğu %82 olarak elde edilmiştir. Bunun dışında, farklı senaryolar için birçok model oluşturulmuş ve ilgili sonuçlar karşılaştırılmıştır. Sonuç olarak; önerilen en başarılı DVM modelinin benign nodülleri tahmin etmede en yüksek doğruluk değerine sahip olduğu saptanmıştır. Böylece ameliyat öncesi ikinci bir klinik seçenek sunularak hekimlerin karar verme süreci desteklenebilir.

Özet (Çeviri)

The patient group in which decision-making in thyroid cancers is the most complex is the patients diagnosed with AUS/FLUS in the 3rd category of the Bethesda System. Fine-needle aspiration biopsy (FNAB) is frequently recommended for such patients, whose malignancy risk ranges from 10-30%, and sometimes results in surgical intervention upon the patient's request. In the study, patients with nodules who applied to a clinic with the suspicion of thyroid cancer and defined in AUS/FLUS type cytopathology as a result of FNAB; A clinical decision support system based on the most successful model has been proposed to assist the physician in determining the benign/malignant status of preoperative nodules using artificial intelligence and machine learning methods using clinical information, ultrasonography and cytopathological findings. In the aforementioned data set, the structural equation modeling method was used in order to determine the relationships between the variables and to make statistically significant estimations. On the meaningful variables determined by this method, support vector machines (SVM), which is one of the machine learning / artificial intelligence approaches, Naive Bayes, a probabilistic classifier based on Bayes' theorem with independent assumptions, and decision tree methods are used to create a decision support system. As a result of the study, the sensitivity of the most successful model developed with the variables obtained using the SEM analysis was obtained as 70%, the selectivity as 93% and the accuracy as 82%. Apart from that, many models were created for different scenarios and the relevant results were compared. In conclusion; It was determined that the most successful proposed SVM model had the highest accuracy in predicting benign nodules. Thus, the decision-making process of physicians can be supported by offering a second clinical option before surgery.

Benzer Tezler

  1. Tez No

    824505

    Önemi belirsiz atipi/önemi belirsiz foliküler lezyon''foliküler neoplazi/foliküler neoplazi kuskusu''Malignite kuskusu' tanılıtiroid ince iğne aspirasyon materyallerin demorfolojik değerlendirme ve BRAF ve NRAS mutasyon analizi(2009-2010 yılları arasındaki olgular üzerinde retrospektif çalışma)

    Morphologic evaluation and BRAF and NRAS mutation analysis in thyroid aspiration materials (retrospective study on cases between 2009-2010)

    GÜLAY AYDOĞDU

    Tıpta Yan Dal Uzmanlık

    Türkçe

    Türkçe

    2013

    Patolojiİstanbul Üniversitesi

    Patoloji Ana Bilim Dalı

    PROF. DR. PINAR FIRAT

  2. Tez No

    677377

    Tiroid nodüllerinde ince iğne aspirasyon biopsisi atipi olan olguların retrospektif analizi. Hangi hastaya cerrahi uygulanmalı

    Retrospective analysis of cases with fine needle aspiration biopsiatype in thyroid nodules. Surgery should be applied to which patient

    ÖMER FARUK AYDOĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Genel CerrahiFırat Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    PROF. DR. REFİK AYTEN

  3. Tez No

    501630

    Bethesda kategori ııı (aus/flus) olgularının sitopatolojik alt gruplara ayrılması ve malignite risklerinin belirlenmesi

    Determination of malignancy risk and cytologic subclassification in cases of bethesda category iii (aus/flus)

    GİZEM AYAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    PatolojiSağlık Bilimleri Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    UZMAN ÇAĞLAR ÇAKIR

  4. Tez No

    571877

    Takip sırasında malignite saptanan benign tiroid nodüllerinde risk faktöleri

    Risk factors in benign thyroid nodules determined withmalignancy during follow-up

    HATİCE SÜMEYRA ÖZÜER GÜNEŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    Aile HekimliğiSağlık Bilimleri Üniversitesi

    Aile Hekimliği Ana Bilim Dalı

    DOÇ. DR. SERKAN SARI

    UZMAN KIVILCIM ULUSAN

  5. Tez No

    667528

    Kliniğimizde tiroid ince iğne aspirasyon biyopsisinde saptanan önemi belirsiz atipi ve önemi belirsiz foliküler lezyon için malignite riskinin öngörülmesi

    Prediction of malignancy-risk for atypia of undetermined significance and follicular lesion of undetermined significance detected in thyroid fine-needle aspiration biopsy in our clinic

    BİLGİN ÇELEBİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Genel CerrahiSağlık Bilimleri Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    UZMAN HALİL AFŞİN TAŞDELEN

    PROF. DR. UZER KÜÇÜKTÜLÜ

Geri Dön