Biyokimyasal parametreler kullanılarak idrar kültür sonuçlarının öngörülmesinde yapay zeka teknolojilerinin rolünün araştırılması
Investigation the role of the artificial intelligence technologies in predicting urine culture results using biochemical parameters
- Tez No: 943001
- Danışmanlar: PROF. DR. GALİP EKUKLU, DOÇ. DR. SELÇUK KORKMAZ
- Tez Türü: Tıpta Uzmanlık
- Konular: Halk Sağlığı, Public Health
- Anahtar Kelimeler: İdrar Kültürü, Makine Öğrenmesi, Üriner Sistem Enfeksiyonu, Yapay Zeka, Artificial Intelligence, Machine Learning, Urinary Tract Infection, Urine Culture
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Halk Sağlığı Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Üriner sistem enfeksiyonları sık karşılaşılan enfeksiyonlardan olup laboratuvar tanısında altın standart test idrar kültürüdür. Ancak idrar kültürünün sonuçlanması belirli bir zaman gerektirmesi klinik yönetimde gecikmelere yol açabilmektedir.Bu çalışmada, biyokimyasal parametreler kullanılarak idrar kültürü sonuçlarını daha kısa sürede öngörmek amacıyla farklı yapay zeka modellerin etkinliğinin değerlendirilmesi amaçlanmıştır.Tek merkezli, kesitsel ve metodolojik tipte olan çalışmamız Ocak 2014 - Aralık 2023 tarihleri arasında idrar kültürü ile aynı gün içinde hemogram, tam idrar tetkiki, üre, kreatinin, crp istenen hastalara ait sağlık verileri retrospektif olarak taranarak gerçekleştirilmiştir. Toplam 25796 klinik örnek 46 değişkenin olduğu tam değişken seti ve invaziv işlem gerektirmeyen 12 değişkenin olduğu daraltılmış değişken seti ile beş farklı makine öğrenmesi yöntemi ile test edilmiştir. Ayrıca yaş ve cinsiyet gibi değişkenlere göre subgrup analizleri gerçekleştirilmiştir.Tam değişken seti ile en iyi performans gösteren algoritma Random Forest (AUC: 0,909; doğruluk: 0,867; duyarlılık: 0,705 ve özgüllük: 0,930) ve daraltılmış değişken setiyle en iyi performans gösteren algoritma Random Forest (AUC: 0,897; doğruluk: 0,856; duyarlılık: 0,689 ve özgüllük 0,912) olmuştur. 65 yaş üstü kadınlarda ve 18 yaş altı erkeklerde en iyi performansı ise XG Boost göstermiştir.Nesnel laboratuvar parametreleri eşliğinde makine öğrenmesi algoritmalarının kullanımı idrar kültür sonuçlarını yüksek özgüllükle tahmin etme potansiyeline sahiptir.. Random Forest algoritması, hem tam hem de daraltılmış değişken setlerinde en iyi performansı sergilemiş olup yaş ve cinsiyet gibi faktörlere bağlı olarak XG Boost'un da kullanılabileceği gözlemlenmiştir.
Özet (Çeviri)
Urinary tract infections are among the most frequently encountered infections, with urine culture serving as the gold standard for laboratory diagnosis. However, obtaining culture results requires time, which may delay appropriate treatment decisions. This study aimed to evaluate the effectiveness of different artificial intelligence (AI) models in predicting urine culture results more rapidly by utilizing biochemical parameters. Our single-center, cross-sectional and methodological study was conducted by retrospectively scanning the health data of patients who had hemogram, complete urinalysis, urea, creatinine, and CRP tests performed on the same day as urine culture between January 2014 and December 2023.A total of 25,796 clinical samples were tested using five different machine learning algorithms, employing two variable sets: a full variable set consisting of 46 features and a reduced variable set consisting of 12 non-invasive features. Additionally, subgroup analyses were conducted based on age and sex.The best-performing algorithm for the full variable set was Random Forest (AUC: 0.909; accuracy: 0.867; sensitivity: 0.705; specificity: 0.930). The best-performing algorithm for the reduced variable set was also Random Forest (AUC: 0.897; accuracy: 0.856; sensitivity: 0.689; specificity: 0.912). XG Boost demonstrated the best performance in women over 65 years and males under 18 years.The use of machine learning algorithms alongside objective laboratory parameters has the potential to predict urine culture results with high specificity. The Random Forest algorithm outperformed other models in both full and reduced variable sets, while XG Boost also emerged as a viable option depending on age and sex-related factors.
Benzer Tezler
- Effects of novel food processing techniques on bioaccessibility and transepithelial transport of cranberrybush polyphenols
Yeni gıda işleme tekniklerinin gilaburuda bulunan polifenollerin biyoerişilebilirliği ve bağırsak taşınımları üzerindeki etkileri
GÜLAY ÖZKAN
Doktora
İngilizce
2021
Gıda Mühendisliğiİstanbul Teknik ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ÇAPANOĞLU GÜVEN
- Tropikal theileriozisli sığırlarda hemoliz üzerine araştırmalar
Researches on hemolisis in cows with tropical theileriosis
ONUR BAŞBUĞ
- Diş çürükleri ile çocukluk çağı idrar yolu enfeksiyonları arasındaki ilişkinin irdelenmesi
İnvestigation of the relationship between dental caries and childhood urinary tract infections
FEDLİ EMRE KILIÇ
Tıpta Uzmanlık
Türkçe
2018
Çocuk Sağlığı ve HastalıklarıAdıyaman ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HABİP ALMİŞ
- Erişkin otozomal dominant polikistik böbrek hastalarının biyokimyasal parametrelerinin ve idrar bulgularının renal MR bulgularıyla korelasyonunun araştırılması
Investigation of correlation of biochemical parameters and urine findings with renal MRI findings in adult patients with autosomal dominant polycystic kidney disease
MEHMET EMİN TAPAN
Tıpta Uzmanlık
Türkçe
2025
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DR. SERKAN AKTÜRK
- Kronik böbrek yetmezliği olan hastalarda biyokimyasal parametreler ile serum kinürenin yolağı, vücut kompozisyonu, kas kütlesi ve osteoporoz arasındaki ilişki
Relationship between biochemical parameters and serum kynurenine pathway, body composition, muscle mass, and osteoporosis in patients with chronic renal failure
GONCA GÜL ERKEĞİN KAYA
Tıpta Uzmanlık
Türkçe
2025
İç HastalıklarıSelçuk Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. GÜLPERİ ÇELİK