Spondiloartrit hastalarında periferik ve aksiyel tutulumu ön görebilecek faktörlerin derin öğrenme yöntemleri ile saptanması
Identification of predictive factors for peripheral and axial involvement in spondyloarthritis using deep learning methods
- Tez No: 940216
- Danışmanlar: PROF. DR. YÜKSEL MARAŞ, DOÇ. DR. ENES SEYDA ŞAHİNER
- Tez Türü: Tıpta Uzmanlık
- Konular: Romatoloji, İç Hastalıkları, Rheumatology, Internal diseases
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Bilkent Şehir Hastanesi
- Ana Bilim Dalı: İç Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Spondiloartrit (SpA), aksiyel iskelet, periferik eklemler ve entezlerde inflamasyonla karakterize kronik inflamatuar bir hastalık grubudur. Aksiyel ve periferik tutulum gösteren SpA alt tiplerinin doğru sınıflandırılması, hastalık yönetimi ve tedavi açısından kritik öneme sahiptir. Geleneksel klinik ve radyolojik değerlendirme yöntemlerinin sınırlılıkları nedeniyle, yapay zeka tabanlı modellerin bu süreçteki rolü giderek daha fazla araştırılmaktadır. Bu çalışmada, periferik ve aksiyel SpA tutulumunu öngörebilecek klinik, laboratuvar ve görüntüleme verilerini kullanarak, makine öğrenmesi (ML) ve derin öğrenme (DL) yöntemleriyle tahmin yapabilen bir sınıflandırma modeli geliştirmek amaçlanmıştır. Gereç ve Yöntemler: Bu retrospektif çalışma kapsamında, 2019-2023 yılları arasında ASAS sınıflama kriterlerine uygun olarak seçilen hastaların verileri incelenmiş, bunu takiben aksiyel ve periferik SpA hastalarının bilgileri ML ve DL modelleri kullanılarak analiz edilmiş ve modellerin performansları karşılaştırılmıştır. Geleneksel istatistiksel yöntemler ile aksiyel ve periferik SpA hastaları arasındaki farklılıklar değerlendirildikten sonra, bu veriler kullanılarak ML ve DL modelleri eğitilmiş ve performansları karşılaştırılmıştır. Farklı makine öğrenmesi algoritmaları (Gaussian Naive Bayes, Support Vector Machines, Random Forest vb.) ve çok katmanlı algılayıcı (MLP) gibi derin öğrenme modelleri test edilmiştir. Modellerin doğruluk oranları, ROC AUC,F1 skoru ve GPS gibi metrikler kullanılarak değerlendirilmiştir. Bulgular: Periferik artrit, entezit, daktilit ve inflamatuvar barsak hastalığının periferik SpA hastalarında aksiyel SpA'ya kıyasla daha yaygın olduğu saptanmıştır (p<0,001). Ancak yaş, cinsiyet, semptom başlangıç yaşı ve inflamatuvar belirteçler (CRP, ESR) açısından iki grup arasında anlamlı bir fark bulunmamıştır. HLA-B27 x pozitifliği aksiyel SpA hastalarında daha sık görülmekle birlikte, bu fark istatistiksel olarak anlamlı bulunmamıştır (p=0,494). Tedavi yanıtları açısından, aksiyel ve periferik SpA hastaları arasında non steroid antiinflamatuar ilaç (NSAİİ) ve konvansiyonel sentetik DMARD'lara yanıt açısından anlamlı bir fark saptanmazken, periferik SpA hastalarında çoklu DMARD kullanımının daha yaygın olduğu gözlemlenmiştir (p=0,002). Makine öğrenmesi modelleri, derin öğrenme modelleriyle benzer doğruluk oranları sergilese de , genel olarak daha stabil performans göstermiştir. Gaussian Naive Bayes algoritması %94,07 doğruluk oranı ile en iyi ML modeli olurken, en başarılı derin öğrenme modeli olan MLPClassifier (30, 20) %93,3 doğruluk oranına ulaşmıştır. Ancak, GPS skorları değerlendirildiğinde DL modellerinin hafif bir üstünlüğü olduğu gözlemlenmiştir. Bu durum, veri setinin boyutu ve yapısı göz önüne alındığında, ML modellerinin daha az veriyle daha iyi genelleme yapabilme avantajına sahip olduğunu göstermektedir. DL modelleri ise genişletilmiş veri setlerinde potansiyel olarak daha iyi performans gösterebilir. Sonuç: Bulgularımız, yapay zeka tabanlı modellerin, özellikle ML algoritmalarının, aksiyel ve periferik SpA sınıflandırmasında önemli bir rol oynayabileceğini doğrulamaktadır, bu da çalışmanın amaçlarına uygun olarak, hastalık yönetimi ve tedavi seçeneklerinin iyileştirilmesine katkı sağlayabilir. ML modellerinin yapılandırılmış klinik ve laboratuvar verileri üzerinde başarılı performans sergilediği, ancak DL modellerinin büyük veri setlerine ihtiyaç duyduğu belirlenmiştir. Spondiloartrit alt gruplarını ayırt edebilecek yapay zeka modellerinin geliştirilmesi için daha geniş veri setleri, görüntüleme verilerinin entegrasyonu ve doğal dil işleme (NLP) tekniklerinin kullanılması gerekmektedir. Gelecekteki çalışmalarda, ML ve DL yöntemlerini birleştiren hibrit modellerin geliştirilmesi, hasta yönetimini ve tanısal doğruluğu artırma potansiyeline sahiptir.
Özet (Çeviri)
Objective: This study aimed to classify axial and peripheral spondyloarthritis (SpA) patients using clinical and laboratory data. In addition to traditional statistical methods, the classification performances of machine learning (ML) and deep learning (DL) models were compared, and the potential of artificial intelligence-based models in distinguishing SpA subgroups was evaluated. Materials and Methods: A total of 408 patients diagnosed with axial or peripheral SpA were included in this retrospective study. Demographic, clinical, and laboratory data were analyzed. After evaluating differences between axial and peripheral SpA patients using traditional statistical methods, ML and DL models were trained and compared. Various ML algorithms (Gaussian Naive Bayes, Support Vector Machines, Random Forest, etc.) and deep learning models such as multilayer perceptron (MLP) were tested. Following the model assessment using accuracy, ROC AUC, and F1 score metrics, we present how these evaluations illuminate the differences between axial and peripheral SpA patients. Results: Peripheral arthritis, enthesitis, dactylitis, and inflammatory bowel disease were significantly more prevalent in peripheral SpA patients compared to axial SpA patients (p<0,001). However, no significant differences were found between the groups regarding age, sex, symptom onset age, and inflammatory markers (CRP, ESR). Although HLA-B27 positivity was more common in axial SpA patients, this difference was not statistically significant (p=0.494). In terms of treatment response, no significant differences were observed between axial and peripheral SpA patients regarding NSAID and conventional synthetic DMARD responses. However, multiple DMARD use was more common in peripheral SpA patients (p=0,002). xiii Machine learning models, with a stability evidenced by less variation in accuracy across different test sets, demonstrated similar accuracy rates to deep learning models. The Gaussian Naive Bayes algorithm achieved the highest accuracy among ML models at 94,07%, while the best-performing deep learning model, MLPClassifier (30, 20), reached an accuracy of 93,3%. Considering this slight advantage of DL models when evaluated on GPS scores, it underpins our concluding insights on the potential advancements in AI for SpA classification. This suggests that given the dataset's size and structure, ML models are better suited for generalization with limited data. In contrast, DL models have the potential to perform better when applied to larger and more diverse datasets. Conclusion: Our study demonstrates the potential effectiveness of artificial intelligence-based models in classifying axial and peripheral SpA. Machine Learning models showed strong performance on structured clinical and laboratory data, whereas DL models required larger datasets for optimal performance. Future studies should focus on developing AI models capable of differentiating SpA subgroups by integrating larger datasets, imaging data, and natural language processing (NLP) techniques. The development of hybrid models combining ML and DL approaches may enhance diagnostic accuracy and improve patient management.
Benzer Tezler
- İnflamatuar bağırsak hastalığı tanılı hastalarda spondiloartrit sıklığı, özellikleri ve seyrinin değerlendirilmesi
Evaluation of the frequency, characteristics and course of spondyloarthritis in patients diagnosed with inflammatory bowel disease
DUYGU ACER
Tıpta Uzmanlık
Türkçe
2023
GastroenterolojiSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KAYAÇETİN
DR. ÖĞR. ÜYESİ ALİ CAN KURTİPEK
DR. ÖĞR. ÜYESİ İSMAİL DOĞAN
- İnflamatuar barsak hastalıklarında eklem tutulum sıklığı, tedavisi ve hastalığın prognozuna etkisinin değerlendirilmesi
The joint involvement frequency i̇n i̇nflammatory bowel di̇sease and its effect on treatment and prognosis
ELİF YİVLİ
Tıpta Uzmanlık
Türkçe
2022
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR.TURAN ÇALHAN
- Aksiyel spondiloartrit hastalarında sakroiliyak MR bulgularının demografık özellikler ve aktivite bulguları ile karşılaştırılması
Sacroiliac mri in axial spondyloarthritis patientsfindings with demographic characteristics and activity findingscomparison
NARMIN MURADLI HAJISOY
Tıpta Uzmanlık
Türkçe
2023
RomatolojiHacettepe Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. UMUT KALYONCU
- Ailevi Akdeniz Ateşi hastalarında kas-iskelet sistemi tutulumları özellikleri
Musculoskeletal system involvement features in Familial Mediterranean Fever patients
GÖZDENUR ÖZDEMİR
Tıpta Uzmanlık
Türkçe
2026
İç HastalıklarıAnkara Üniversitesiİç Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİNE USLU
- Aksiyel spondiloartrit hastalarının tedavisinde biyolojik ajanların tiyol-disülfit düzeyine etkisi
The effect of biological agents on thiol-disulfide parameters in patients with axial spondylarthritis
SEMRA FIRAT
Tıpta Uzmanlık
Türkçe
2022
İç HastalıklarıAnkara Yıldırım Beyazıt Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. ŞÜKRAN ERTEN