Evre II-IV over kanserinde yapay zeka ile survey ve peroperatif sonuçların değerlendirilmesi
Evaluation of survey and perioperative results using artificial intelligence in stage II-IV ovarian cancer
- Tez No: 907804
- Danışmanlar: PROF. DR. EVRİM ERDEMOĞLU
- Tez Türü: Tıpta Uzmanlık
- Konular: Kadın Hastalıkları ve Doğum, Obstetrics and Gynecology
- Anahtar Kelimeler: Over Kanseri, Yapay Zeka, Makine Öğrenmesi, Sitoredüksiyon, Ovarian Cancer, Artificial Intelligence, Machine Learning, Cytoreduction
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Kadın Hastalıkları ve Doğum Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Giriş: Evre II-IV over kanseri, jinekolojik kanserler arasında en yüksek mortalite oranına sahip hastalıklar arasında yer almaktadır. Cerrahi müdahale ve tedavi planlamasında doğru kararlar alabilmek için prognostik faktörlerin tahmin edilmesi kritik öneme sahiptir. Bu çalışmada, yapay zekâ ve makine öğrenmesi algoritmalarının, over kanseri hastalarında sağ kalım süresi, hastanede yatış süresi ve yoğun bakımda kalma süresi gibi perioperatif sonuçları tahmin etmedeki etkinliği değerlendirilmiştir. Materyal ve Metod: Çalışmaya, retrospektif olarak 2007-2024 yılları arasında over kanseri nedeniyle opere edilen 174 hasta dahil edilmiştir. Hastaların klinik ve patolojik verileri toplanmış ve bu verilere dayalı olarak çeşitli yapay zekâ algoritmaları kullanılmıştır. Gradient Boosting Classifier, Logistic Regression, Dummy Regressor ve Bayesian Ridge gibi algoritmalar test edilmiştir. Sağ kalım süresi, yatış süresi ve yoğun bakımda kalma süresi gibi sonuçlar bu algoritmalar aracılığıyla analiz edilmiştir. Bulgular: Gradient Boosting Classifier ve Logistic Regression algoritmaları, yaşam/ölüm tahminlerinde %84 doğrulukla en iyi sonuçları vermiştir. Yatış süresi ve yoğun bakım yatış süresi tahminlerinde ise Dummy Regressor ve Bayesian Ridge modelleri düşük performans göstermiştir. Optimal sitoredüksiyon yapılan hastalarda sağ kalım süresinin anlamlı derecede daha uzun olduğu bulunmuştur. Suboptimal cerrahilerde (R2), prognoz üzerinde olumsuz etkiler gözlenmiştir. Sonuç: Yapay zekâ ve makine öğrenmesi algoritmalarının, evre II-IV over kanserinde prognostik faktörlerin değerlendirilmesinde etkili bir araç olabileceği sonucuna varılmıştır. Ancak, özellikle yatış süreleri gibi daha çoklu faktörlere bağlı sonuçlar için algoritmaların optimize edilmesi gerekmektedir. Gelecekte, daha büyük veri setleri ve prospektif çalışmalarla bu teknolojilerin klinik kullanıma entegrasyonu sağlanabilir.
Özet (Çeviri)
Introduction: Stage II-IV ovarian cancer is associated with the highest mortality rates among gynecological cancers. Predicting prognostic factors is critical for making accurate surgical and treatment planning decisions. This study evaluates the effectiveness of artificial intelligence and machine learning algorithms in predicting perioperative outcomes such as overall survival, hospital stay duration, and ICU stay duration in ovarian cancer patients. Materials and Methods: This retrospective study included 174 patients who underwent surgery for ovarian cancer between 2007 and 2024. Clinical and pathological data were collected, and several machine learning algorithms, including Gradient Boosting Classifier, Logistic Regression, Dummy Regressor, and Bayesian Ridge, were applied to analyze survival time, hospital stay duration, and ICU stay duration. Results: The Gradient Boosting Classifier and Logistic Regression algorithms showed the best performance in predicting survival/mortality outcomes with an 84% accuracy. However, Dummy Regressor and Bayesian Ridge models demonstrated low performance in predicting hospital and ICU stay durations. Optimal cytoreduction was associated with significantly longer survival, whereas suboptimal surgeries (R2) had a negative impact on prognosis. Conclusion: Artificial intelligence and machine learning algorithms can be effective tools for evaluating prognostic factors in stage II-IV ovarian cancer. However, further optimization is required for predicting complex outcomes such as hospital stay duration. Future prospective studies with larger datasets could facilitate the integration of these technologies into clinical practice.
Benzer Tezler
- Evre II-IV over kanserinde barsak rezeksiyonunun mortalite ve morbidite üstüne etkisi
The impact of bowel resection on mortality and morbidity in stage 2-4 ovarian cancer
ÖZGÜR OZAN CEYLAN
Tıpta Uzmanlık
Türkçe
2023
Kadın Hastalıkları ve DoğumSüleyman Demirel ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. EVRİM ERDEMOĞLU
- İleri evre epitelyal over kanserinde tümör tipine göre adjuvan kemoterapi protokolüne cevabın karşılaştırılması ve tümör tipinin prognoz üzerine olan etkisinin araştırılması
Comparison of response to adjuvant chemotherapy protocol according to tumor type in advanced stage epithelial ovarian cancer and investigation into the effect of tumor type on prognosis
GİZEM AKTEMUR
Tıpta Uzmanlık
Türkçe
2019
Kadın Hastalıkları ve DoğumSağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. AHMET TANER TURAN
- Anemik ve non-anemik epitelyal over kanserli hastalarda tümör anjiogenezisi ve anjiogenezisin over kanserinde prognostik faktörler ile korelasyonu
Microvessel density in anemic and non-anemic epithelial ovarian cancer and its correlation with other prognostic factors
MEHMET KARABULUT
Tıpta Uzmanlık
Türkçe
2006
Kadın Hastalıkları ve DoğumTrakya ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF.DR. MEHMET ALİ YÜCE
- Over kanserinde miRNA analizi ile moleküler tanı ve izleme
Molecular diagnosis and surveillance in ovarian cancer by miRNA analysis
ECE GÜMÜŞOĞLU
Yüksek Lisans
Türkçe
2016
Genetikİstanbul ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DOÇ. TUBA GÜNEL
- Epitelyal over kanseri evrelerine göre trombosit/lenfosit ve nötrofil/lenfosit oranlarının karşılaştırılması
Comparison of platelet/lymphocyte and neutrophil/lymphocyte ratios according to ephitelial ovarian cancer stages
HALİL İBRAHİM TIRAŞ
Tıpta Uzmanlık
Türkçe
2020
Kadın Hastalıkları ve Doğumİzmir Katip Çelebi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. ÇETİN AYDIN