Geri Dön

Hematolojik parametreler kullanılarak ana homojen patern pozitifliğinin yapay zekâ ile öngörülmesi

Prediction of primary homogeneous pattern positivity using hematological parameters with artificial intelligence

PDF İndir

  1. Tez No: 969864
  2. Yazar: HAMİDE DİLARA TÜTER
  3. Danışmanlar: PROF. DR. TUĞBA TAŞKIN TOK, DOÇ. DR. DENİZ GAZEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Enfeksiyon Hastalıkları ve Klinik Mikrobiyoloji, Infectious Diseases and Clinical Microbiology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoenformatik ve Bilişimsel Biyoloji Ana Bilim Dalı
  12. Bilim Dalı: Biyoenformatik ve Bilişimsel Biyoloji Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

İndirekt immünfloresan (IIF) anti-nükleer antikor testi ve hematolojik parametreler, çeşitli romatizmal hastalıkların tanısında yaygın olarak kullanılmaktadır. Özellikle AC-1 homojen paterni SLE ile yakın ilişkilidir. Biz de çalışmamızda rutin olarak istenen hematolojik belirteçler kullanarak, AC-1 pozitifliğinin yapay zekâ ve istatistiksel yöntemler ile öngörülebilme potansiyelini araştırdık. Gaziantep Üniversitesi Hastanesi Tıbbi Mikrobiyoloji Laboratuvarı IIF birimi tarafından çalışılan hasta örneklerinden elde edilen otoantikor test sonuçları (AC-1 paternleri) ve WBC, RBC, PLT, BA#, BA%, EO#, EO%, HCT, HGB, LY#, LY%, MCH, MCHC, MCV, MO#, MO%, MPV, NE#, NE%, NRBC#, PCT, PDW, RDW, RDWSD, PLR, NLR, MPR hematolojik test sonuçları dijital arşivimizden retrospektif olarak taranmıştır. Hasta ve kontrol grubundaki kişilerin otoantikor test çalışmaları sırasında veya buna yakın tarihlerde (<3ay) çalışılmış olan hematolojik parametre sonuçları ile veri seti oluşturulmuştur. Mann Whitney U testi ve Student T testi ile AC-1 pozitifliği ve hematolojik parametreler arasındaki ilişki araştırılmıştır. Destek Vektör Makineleri, Rastgele Orman ve Lojistik Regresyon makine öğrenimi program algoritmaları kullanılarak hematolojik parametrelerin AC-1 pozitifliğini tahmin edebilme düzeyi araştırılmıştır. Çalışmamıza, 2019-2024 yılları arasında çalışılan 620 AC-1 pozitif hasta ve 12.656 AC-1 negatif kontrol dâhil edilmiştir. İstatistik inceleme sonucunda MPV, RDW, PLR ve MPR düzeyleri AC-1 pozitif hastalarda, AC-1 negatiflere kıyasla anlamlı derecede farklı bulunmuştur, NLR düzeylerinde ise farklılık saptanmamıştır. Fakat ROC analizine göre sadece MPV ve RDW, AC-1 pozitifliğini öngörmede yüksek derecede anlamlı bulunmuştur. Yapay zeka sonuçları analiz edildiğinde en başarılı algoritma SVM Major PCA' dır. Yapay zekânın AC-1 paternini öngörebilme yeteneği ise, kesitsel olarak: recall değeri %90 ve F1 skoru: 0,84 olarak tespit edilmiştir.

Özet (Çeviri)

Indirect immunofluorescence (IIF) antinuclear antibody testing and hematological parameters are widely used in the diagnosis of various rheumatic diseases. The AC-1 homogeneous pattern, in particular, is closely associated with SLE. In our study, we investigated the potential of predicting AC-1 positivity using artificial intelligence and statistical methods using routinely requested hematological markers. Autoantibody test results (AC-1 patterns) and WBC, RBC, PLT, BA#, BA%, EO#, EO%, HCT, HGB, LY#, LY%, MCH, MCHC, MCV, MO#, MO%, MPV, NE#, NE%, NRBC#, PCT, PDW, RDW, RDWSD, PLR, NLR, and MPR obtained from patient samples studied by the IIF unit of the Gaziantep University Hospital Medical Microbiology Laboratory were retrospectively reviewed from our digital archive. A dataset was created using hematological parameter results from patients and controls studied during or around the time of their autoantibody testing (<3 months). The relationship between AC-1 positivity and hematological parameters was investigated using the Mann-Whitney U test and Student's t-test. The ability of hematological parameters to predict AC-1 positivity was investigated using Support Vector Machines, Random Forest, and Logistic Regression machine learning algorithms. Our study included 620 AC-1 positive patients and 12,656 AC-1 negative controls studied between 2019 and 2024. Statistical analysis revealed that MPV, RDW, PLR, and MPR levels were significantly different in AC-1 positive patients compared to AC-1 negative patients, while no difference was found in NLR levels. However, according to ROC analysis, only MPV and RDW were found to be highly significant in predicting AC-1 positivity. When the artificial intelligence results were analyzed, the most successful algorithm was SVM Major PCA. The ability of artificial intelligence to predict the AC-1 pattern was determined as cross-sectional: recall value 90% and F1 score: 0.84

Benzer Tezler

  1. Tez No

    464062

    Geçiş dönemindeki süt ineklerinde damar içi novacoc uygulamasının metabolik profil üzerine etkileri

    The effects of intravenous novacoc on the metabolic profile of dairy cows during transition period

    AHMET CİHAT TUNÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Veteriner HekimliğiAfyon Kocatepe Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. ABUZER ACAR

  2. Tez No

    435560

    Kronik ürtiker hastalarında nötrofil lenfosit oranının rolü

    Role of neutrophil lymphocyte ratio in chronic urticaria patient

    NUR CİHAN COŞANSU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2016

    DermatolojiSakarya Üniversitesi

    Deri ve Zührevi Hastalıklar Ana Bilim Dalı

    PROF. DR. MUSTAFA TEOMAN ERDEM

  3. Tez No

    409361

    Hematolojik malignite ve kök hücre nakil alıcılarında invaziv fungal enfeksiyon spektrumu ve antifungal kullanım pratikleri

    Epidemiology of invasive fungal infections and antifungal treatment practices in hematological malignancy patients

    YEŞİM YILDIZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    Enfeksiyon Hastalıkları ve Klinik MikrobiyolojiGazi Üniversitesi

    Enfeksiyon Hastalıkları Ana Bilim Dalı

    PROF. DR. ESİN ŞENOL

  4. Tez No

    858041

    İskemik serebrovasküler hastalıklarda hematolojik parametrelerin, akut faz reaktanlarının ve biyokimyasal parametrelerin prognostik değerleri

    Prognostic values of haematological, acute phase reactant and biochemical parameters in ischemic cerecrovascular diseases

    ZAFER BERKAY TÜRKSEVEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Acil TıpSelçuk Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. AHMET AK

  5. Tez No

    798649

    Sabit ortodontik tedavilerden kaynaklanan beslenme değişikliklerinin biyokimyasal kan parametrelerine etkisi

    The effect of nutritional changes caused by fixed orthodontic treatments on biochemical blood parameters

    SÜMEYYE YAŞA

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiSivas Cumhuriyet Üniversitesi

    Ortodonti Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEYNEP ÇOBAN BÜYÜKBAYRAKTAR

Geri Dön