Makine öğrenmesi yöntemleri ile orofaringeal skuamöz hücrelikarsinomlu hastalarda insan papilloma virüsü (HPV) statüsün tahmini
Prediction of human papillomavirus status patients with oropharyngeal squamous cell carcinoma using machine learning methods
- Tez No: 962208
- Danışmanlar: DOÇ. DR. MUSTAFA ULAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 78
Özet
Baş ve Boyun Skuamöz Hücreli Karsinomları'nda(HNSCC) tedavi planlaması ve klinik karar verme süreçlerinde, HPV statüsünün doğru bir şekilde saptanması büyük bir önem taşımaktadır. Özellikle orofaringeal karsinomlarda HPV statüsü hastalık evresini değiştirmektedir. HPV statüsü belirlemede birçok laboratuvar test kullanılmaktadır. Bu testlerin hepsi maliyeti yüksektir ve sonuç vermesi için süre gereklidir. HPV statüsünü belirlemede biyopsi örneğinden E6/E7 saptanması altın standarttır ancak günümüzde bu uygulama pratik değildir ve DNA polimer zincir reaksiyonları (PCR) kullanılmasının sensivitesi duyarlığı yüksek özgüllüğü düşüktür. İyileştirilmiş prognoz ve tedaviye yanıtla ilişkili olan HPV ilişkili HNSCC vakaları, kişiselleştirilmiş tedavi yaklaşımlarının uygulanmasını gerektirir. Agresif cerrahi yaklaşımların sağladığı onkolojik kontrol ile bu yöntemlerin potansiyel yüksek morbidite risklerinin dengelenmesi, hekimler için zorlu bir karar noktasıdır. Bu tez çalışmasında, HPV durumunu tahmin etmeye yönelik bir yapay zekâ yaklaşımı sunulmuştur. Çalışma kapsamında, düzensiz ve eksik veriler içeren sınırlı sayıdaki hasta kaydı üzerinden CatBoost, LightGBM ve XGBoost gibi eksik veriye toleranslı modern makine öğrenmesi algoritmaları değerlendirilmiştir. Ayrıca, model performansını iyileştirmek amacıyla genetik algoritma tabanlı hiperparametre optimizasyonu uygulanmıştır. Elde edilen bulgular, veri yapısındaki sınırlılıklara rağmen, önerilen yapay zekâ temelli modellerin HPV statüsünü tahmin etmede kullanılabilir potansiyele sahip olduğunu göstermektedir. Bu çalışma, onkoloji alanında yapay zekânın karar destek sistemlerine entegrasyonunun mümkün olduğunu ve ileri düzeyde geliştirilecek uygulamaların hasta bakım süreçlerine katkı sağlayabileceğini ortaya koymaktadır.
Özet (Çeviri)
In head and neck squamous cell carcinomas (HNSCC), accurate determination of HPV status plays a critical role in both treatment planning and clinical decision-making processes. Particularly in oropharyngeal cancers, HPV status can significantly influence the staging of the disease. Although several laboratory tests are available for determining HPV status, they are often costly and time-consuming. Detection of E6/E7 mRNA from biopsy samples is considered the gold standard; however, this method is not feasible in clinical practice due to procedural complexity and resource requirements. Furthermore, while polymerase chain reaction (PCR)-based techniques are frequently employed, their sensitivity is high, yet specificity remains relatively low. HPV-positive HNSCC cases, which are associated with better prognosis and therapeutic response, necessitate the implementation of personalized treatment strategies. Clinicians face a challenging decision-making process in balancing the oncological benefits of aggressive surgical interventions with their potential morbidity risks. In this thesis, an artificial intelligence-based approach is proposed to predict HPV status. The study evaluates modern machine learning models—namely CatBoost, LightGBM, and XGBoost—which are known for their tolerance to missing data, using a limited dataset of patient records containing irregularities and incomplete values. Additionally, genetic algorithm-based hyperparameter optimization was employed to enhance model performance. The findings indicate that, despite structural limitations within the dataset, the proposed AI models possess substantial potential for accurately predicting HPV status. This research also highlights the feasibility of integrating artificial intelligence into oncology-focused decision support systems, suggesting that more advanced implementations may offer significant contributions to clinical care pathways in the future.systems in the field of oncology and that advanced applications can contribute to patient care processes.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile kanser hastalığı teşhisi
Cancer disease diagnosis with machine learning methods
EBRU AYDINDAĞ BAYRAK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. PINAR KIRCI
DR. ÖĞR. ÜYESİ TOLGA ENSARİ
- Makine öğrenmesi yöntemleri ile kripto paraların gelecekteki tahmini
Future prediction of cryptocurrencies with machine learning methods
ELİF DİLASA KURT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
DR. AHMET ELBİR
- Makine öğrenmesi yöntemleri ile kara askeri araçların tespit ve sınıflandırılması
Detection and classification of land military vehicles with machine learning methods
ANIL AKBALIK
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiDüzce ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FERZAN KATIRCIOĞLU
- Makine öğrenmesi yöntemleri ile hibrit ve kompozit ZA-27 alaşımlarının aşınma davranışlarının karşılaştırmalı analizi
Comparative analysis of wear behavior of hybrid and composite ZA-27 alloys using machine learning methods
SENA NUR ADIYAMAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÇAĞIL
- Makine öğrenmesi yöntemleri ile el ve yüz analizi tahminlemesi
Hand and face analysis prediction with machine learning methods
HÜSNEİREM KAYA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAYHAN AYAR