Küçük hücreli dışı akciğer kanseri tanılı akciğer rezeksiyonu yapılan hastalarının yapay zeka ile postoperatif başarı ve risk analizi
Postoperative success and risk analysis of patients with non-small cell lung cancer undergoing lung resection using artificial intelligence
- Tez No: 932444
- Danışmanlar: DR. ÖĞR. ÜYESİ İSMAİL CAN KARACAOĞLU
- Tez Türü: Tıpta Uzmanlık
- Konular: Göğüs Cerrahisi, Thoracic Surgery
- Anahtar Kelimeler: Küçük Hücreli Dışı Akciğer Karsinomu, NSCLC, Postoperatif Komplikasyon, Yoğun Bakım Ünitesi, Yoğun bakım, Yapay Zeka, SMOTE, Lineer Regresyon, SVM, Support Vector Machine, Lineer Karnel, Radial Basis, Random Forest, Göğüs cerrahisi, Non-Small Cell Lung Cancer, NSCLC, Postoperative Complications, Intensive Care Unit, Intensive Care, Artificial Intelligence, SMOTE, Linear Regression, SVM, Support Vector Machine, Linear Kernel, Radial Basis, Random Forest, Thoracic Surgery
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Göğüs Cerrahisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Her cerrahi branş gibi göğüs cerrahisi branşı da ameliyat öncesinde ince elenip sık dokunan hazırlıklarla dolu risk analizleri, ameliyat esnasında ciddi bir emek ve konsantrasyon, ameliyat sonrası her adımın dikkatle takip edilmesi gereken doğru kararlar verme bütünüdür. Küçük hücreli dışı akciğer kanseri (KHDAK) histopatolojik tip olarak akciğer kanserleri içinde en sık görülenidir. Çalışmamız bu süreçler içinde ameliyat sonrası aşamalar başta olmak üzere tüm adımlarda hastalara ve hekimlere yardımcı olmayı hedeflemektedir. 9. TNM evreleme sistemi günümüzde IASLC tarafından önerilen ve kullanılan evreleme sistemidir. Erken evre ve rezektabl lokal ileri evre KHDAK grubunda cerrahi tedavi etkindir. Akciğer rezeksiyonu ve sistematik mediastinal lenf nodu diseksiyonu KHDAK cerrahisinin temelini oluşturur. Ameliyat sonrası dönemde görülen komplikasyonlar, ileri tedavi ve bakım gerektiren yoğun bakım yatışlarının olması, hastanede kalış süresinin uzaması başta mortalite, morbidite, maliyet, hastane enfeksiyonları, sürdürülebilirlik ve sosyal etkenler açısından önem arz etmektedir. Bu aşamalarda yoğun bakım gerekliliğinin değerlendirilmesi konusunda objektif, düşük maliyetli, kolay kullanımı olan, kendini geliştirebilen, günlük pratiğe uyarlanabilir, hasta özelinde çalışan ve doğruluk oranı yüksek şekilde sonuç veren bir uygulama ya da değerlendirme ölçütü bulunmamaktadır. Yapay zeka uygulamaları hekimliğe yardımcı alanlar, sağlık sistemlerinde ve diğer alanlarda veri toplama, sınıflandırma, saklama, öğrenme, öğretme gibi özellikleri ile karar vermeye yardımcı algoritmalar olarak hayatımızda yer bulmaktadır. Çalışmamızda KHDAK sebebiyle opere edilen hastalarda post op süreçleri elimizdeki veriler ile tahmin etmeyi amaçladık. Çalışmamızda 1471 hastanın verileri retrospektif olarak incelenerek geniş veri setleri oluşturuldu. 6 adet farklı yapay zeka algoritması kullanılarak hastalara ait 14 parametre ile hastaların postoperatif klinik süreçleri ve yoğun bakıma çıkıp çıkmayacakları yüksek doğruluk ve başarı oranı ile tahmin edilmesi amaçlandı. Bu algoritmalar: SVM-Linear Kernel, Random Forest sınıflandırma, SMOTE Sonrası SVM-Linear Kernel, SMOTE Sonrası Random Forest sınıflandırma, Lineer Regresyon ve Radial Basis SVM Korele Yöntemi idi. Yoğun bakıma çıkacak hastaları tahmin etmede en başarılı algoritmamız SMOTE Sonrası Random Forest sınıflandırma oldu ve F1 ortalama skoru %91, yoğun bakıma çıkmayacak hastaları tahmin etmede en başarılı algoritmamız SMOTE Sonrası Random Forest sınıflandırma oldu ve F1 ortalama skoru %91 olarak hesaplandı. SMOTE Sonrası Random Forest sınıflandırma yöntemi için ortalama çapraz doğrulama puanı 0.9232, çapraz doğrulama puanının standart sapması ise 0.0165 olarak hesaplandı. En başarılı algoritmamızda ROC eğrisinde eğri altında kalan alan %86 idi. Yapay zeka algoritmaları sayesinde KHDAK cerrahisi sonrası postoperatif klinik tahminler, yüksek doğruluk ve başarı oranlarıyla gerçekleştirilebilmekte olup, gelecekte klinik pratikte daha yaygın bir şekilde kullanılması beklenmektedir.
Özet (Çeviri)
Thoracic surgery is a comprehensive process that involves meticulous preoperative preparations filled with detailed risk analyses, significant effort and concentration during the operation, and careful postoperative follow-up requiring precise decision-making at every step. Non-small cell lung cancer (NSCLC) is the most common histopathological type among lung cancers. Our study aims to assist both patients and physicians throughout these processes, with a particular focus on the postoperative stages. The 9th edition of the TNM staging system, currently recommended and used by the IASLC, is the standard for staging. Surgical treatment is effective in early-stage and resectable locally advanced NSCLC. Lung resection and systematic mediastinal lymph node dissection form the foundation of NSCLC surgery. Postoperative complications, the need for intensive care requiring advanced treatment and care, and prolonged hospital stays are critical factors that impact mortality, morbidity, cost, hospital-acquired infections, sustainability, and social factors. Currently, there is no objective, low-cost, easy-to-use, self-improving, and highly accurate evaluation tool or application tailored to individual patients that can predict the necessity of intensive care during these stages. Artificial intelligence (AI) applications are increasingly integrated into healthcare systems and other fields, aiding decision-making through data collection, classification, storage, learning, and teaching capabilities. In our study, we aimed to predict postoperative processes in patients undergoing surgery for NSCLC using available data. We retrospectively analyzed data from 1,471 patients to create extensive datasets. Using six different AI algorithms, we predicted postoperative clinical outcomes and the need for intensive care with high accuracy and success rates based on 14 patient-specific parameters. The algorithms used were: SVM-Linear Kernel, Random Forest Classification SVM-Linear Kernel with SMOTE, Random Forest Classification with SMOTE, Linear Regression, Radial Basis SVM Correlation Method. The most successful algorithm for predicting patients requiring intensive care was Random Forest Classification with SMOTE, achieving an F1 score of 91%. The same algorithm also excelled in predicting patients not requiring intensive care, with an F1 score of 91%. For this method, the average cross-validation score was 0.9232, with a standard deviation of 0.0165. The area under the ROC curve for the most successful algorithm was 86%. Thanks to AI algorithms, postoperative clinical predictions for NSCLC surgery can now be made with high accuracy and success rates, and their widespread use in clinical practice is anticipated in the future.
Benzer Tezler
- Küçük hücreli dışı akciğer kanserinde cerrahi yapılan hastalarda N2 lenf nodu pozitifliğinin sağkalıma etkisi
Başlık çevirisi yok
İSMAİL CAN KARACAOĞLU
Tıpta Uzmanlık
Türkçe
2019
Göğüs Kalp ve Damar CerrahisiÇukurova ÜniversitesiGöğüs Kalp ve Damar Cerrahisi Ana Bilim Dalı
PROF. DR. CEMAL ÖZÇELİK
- Küçük hücreli dışı akciğer kanseri tanılı hastalarda lober ve sublober rezeksiyonların sağkalıma etkisi
Effect of lobar and sulobar resections on survival in patients with non-small cell lung cancer
ŞAHAN ERDOĞAN
Tıpta Uzmanlık
Türkçe
2025
Göğüs CerrahisiAkdeniz ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
DOÇ. DR. HAKAN KESKİN
- Küçük hücreli dışı akciğer kanseri tanısıyla akciğer rezeksiyonu yapılan ileri yaş hastalarda komorbidite indekslerinden hangisi mortalite ve morbiditeyi göstermede etkindir?
Which comorbidity index best predicts mortality and morbidity in elderly patients undergoing surgery for non small cell lung cancer?
DİLAY KARAMIK KAZĞI
Tıpta Uzmanlık
Türkçe
2024
Göğüs CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. FİGEN TÜRK
- Opere edilen küçük hücreli dışı akciğer kanseri hastalarında ipsilateral mediyastinal lenf nodu (N2) yayılımı varlığında visseral plevral tutulumunun sağkalım üzerine etkisi
The impact of visceral pleural invasion on survival in patients with ipsilateral lymph node involvement in non-small cell lung cancer
ISA MIRZAYEV
Tıpta Uzmanlık
Türkçe
2024
Göğüs CerrahisiÇukurova ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
DOÇ. DR. ALPER AVCI
- Erken evre akciğer kanserinde stereotaktik ablasyon tedavisi ile cerrahi rezeksiyon uygulanan hastaların prognozlarının karşılaştırılması
Comparison of prognoses of patients who underwent stereotactic ablation therapy and surgical resection in early stage lung cancer
PELİN ERDİZCİ
Tıpta Uzmanlık
Türkçe
2024
Göğüs CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
DR. ELÇİN ERSÖZ KÖSE