Akut pankreatitin ciddiyetini belirlemede yapay zekanın yeri
The role of artificial intelligence in determining the severity of acute pancreatitis
- Tez No: 985897
- Danışmanlar: PROF. DR. ALTUĞ ŞENOL
- Tez Türü: Tıpta Uzmanlık
- Konular: İç Hastalıkları, Gastroenteroloji, Internal diseases, Gastroenterology
- Anahtar Kelimeler: Akut pankreatit, hastalık şiddeti, yapay zekâ, makine öğrenmesi, organ yetmezliği, pankreatik nekroz, Revize Atlanta sınıflaması, BISAP skoru, Ranson skoru, Acute pancreatitis, disease severity, artificial intelligence, machine learning, organ failure, pancreatic necrosis, Revised Atlanta classification, BISAP score, Ranson score
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: İç Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, akut pankreatitli hastalarda hastalık şiddeti ve majör klinik sonlanımların öngörülmesinde yapay zekâ (YZ) tabanlı makine öğrenmesi modellerinin tanısal ve prognostik değerini değerlendirmek ve bu modellerin klasik klinik skorlama sistemleri olan Ranson (0. saat) ve BISAP ile karşılaştırmalı performansını incelemek amaçlanmıştır. Retrospektif gözlemsel tasarımla yürütülen çalışmaya akut pankreatit tanısı alan hastalar dâhil edilmiş; olgular organ yetmezliği varlığı, pankreatik nekroz gelişimi ve Revize Atlanta sınıflamasına göre hafif, orta ve şiddetli olarak sınıflandırılmıştır. Klinik, laboratuvar ve radyolojik veriler istatistiksel olarak analiz edilmiş; Random Forest, Gradient Boosting ve Ensemble Learning tabanlı YZ modelleri geliştirilerek klasik skorlama sistemleriyle karşılaştırılmıştır. Bulgulara göre, organ yetmezliği gelişen hastalarda yaş, hastanede yatış süresi ve yoğun bakım gereksinimi anlamlı olarak daha yüksek bulunmuştur. CRP (48. saat), lökosit, kreatinin, üre, BUN, laktat düzeyleri ile düşük kalsiyum değerlerinin hem organ yetmezliği hem de hastalık şiddeti ile anlamlı ilişkili olduğu saptanmıştır. Komorbiditelerden hipertansiyon ve koroner arter hastalığı organ yetmezliği gelişimi ile ilişkili bulunmuştur. Etiyolojik değerlendirmede ise non-biliyer etiyolojinin pankreatik nekroz ve orta–şiddetli akut pankreatit gruplarında daha sık izlendiği belirlenmiştir. Klasik skorlama sistemleri açısından değerlendirildiğinde, BISAP ≥3 cut-off değerinin hem organ yetmezliği hem de pankreatik nekroz gelişimini anlamlı biçimde öngördüğü; buna karşılık Ranson (0. saat) skorunun erken dönemde bu sonlanımlar açısından ayırt edici bir performans sergilemediği görülmüştür. Yapay zekâ tabanlı modeller ise organ yetmezliği, pankreatik nekroz ve Revize Atlanta'ya göre şiddetli pankreatit öngörüsünde klasik skorlama sistemlerine kıyasla belirgin biçimde daha yüksek ayırt edici performans göstermiştir (AUC ≈ 0,999–1,000). Bununla birlikte, çalışmanın tek merkezli ve retrospektif tasarımı ile özellikle 48. saat CRP gibi zaman bağımlı değişkenlerin modele katkısı, aşırı uyum (overfitting) riskini gündeme getirmektedir. Bu nedenle YZ modellerinin klinik genellenebilirliğinin değerlendirilmesi için çok merkezli, prospektif ve harici doğrulama içeren çalışmalara ihtiyaç bulunmaktadır. Sonuç olarak, YZ tabanlı makine öğrenmesi modelleri akut pankreatitte hastalık şiddeti ve klinik sonlanımların öngörülmesinde klasik skorlama sistemlerine kıyasla daha yüksek prediktif güce sahiptir. Ancak bu modellerin, klasik klinik değerlendirmelerin yerine geçmekten ziyade, erken risk sınıflandırmasını ve klinik karar süreçlerini destekleyen tamamlayıcı araçlar olarak kullanılması daha gerçekçi ve güvenli bir yaklaşım olarak öne çıkmaktadır.
Özet (Çeviri)
This study aimed to evaluate the diagnostic and prognostic value of artificial intelligence (AI)–based machine learning models in predicting disease severity and major clinical outcomes in patients with acute pancreatitis and to compare their performance with classical clinical scoring systems, namely the Ranson (0-hour) and BISAP scores. In this retrospective observational study, patients diagnosed with acute pancreatitis were classified according to the presence of organ failure, development of pancreatic necrosis, and disease severity based on the Revised Atlanta classification. Clinical, laboratory, and radiological data were statistically analyzed, and AI models based on Random Forest, Gradient Boosting, and Ensemble Learning were developed and compared with conventional scoring systems. The results demonstrated that patients who developed organ failure were older and had significantly longer hospital stays and higher intensive care unit requirements. Levels of 48-hour C-reactive protein (CRP), leukocyte count, creatinine, urea, BUN, lactate, and lower calcium levels were significantly associated with disease severity and organ failure. Among comorbidities, hypertension and coronary artery disease were associated with the development of organ failure. Etiological analysis revealed that non-biliary etiologies were more frequently observed in patients with pancreatic necrosis and in the moderately severe to severe disease groups. Regarding classical scoring systems, a BISAP score ≥3 significantly predicted both organ failure and pancreatic necrosis, whereas the Ranson (0-hour) score did not demonstrate meaningful discriminatory power in the early phase. In contrast, AI-based models showed markedly superior predictive performance compared with classical scoring systems in predicting organ failure, pancreatic necrosis, and severe acute pancreatitis according to the Revised Atlanta classification (AUC ≈ 0.999–1.000). However, the single-center retrospective design and the contribution of time dependent variables, particularly 48-hour CRP, raise concerns regarding potential overfitting. Therefore, multicenter prospective studies with external validation are required to confirm the generalizability of these findings. In conclusion, AI-based machine learning models demonstrate higher predictive accuracy than conventional scoring systems in assessing disease severity and clinical outcomes in acute pancreatitis. Nevertheless, rather than replacing traditional clinical assessment tools, these models should be integrated as complementary decision-support systems to enhance early risk stratification and individualized patient management.
Benzer Tezler
- Akut pankreatit ciddiyetini belirlemede obezite ve yağlanma paterninin prognostik rolü
Prognostic role of obesity and steatosis pattern in determining the severity of acute pancreatitis
MERYEM ASLAN
Tıpta Uzmanlık
Türkçe
2023
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. İHSAN ATEŞ
DOÇ. DR. ENES SEYDA ŞAHİNER
- Akut pankreatit nedenli hospitalize edilen hastalarda tanı anında bakılan RDW/PLT oranının hastalık şiddeti üzerindeki etkisi
The effect of RDW/PLT ratio at the time of diagnosis on disease severity in patients hospitalized for acute pancreatitis
FATMA FEYZA AVŞAR
Tıpta Uzmanlık
Türkçe
2025
İç HastalıklarıAfyonkarahisar Sağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. ERHAN BOZKURT
- Acil servise başvuran akut pankreatit tanısı alan hastalarda HAPS, nötrofil/lenfosit ve platelet/lenfosit oranının hastalık şiddetini belirlemedeki yeri
The role of HAPS, neutrophil/lymphocyte and platelet/lymphocyte ratio in determining the severity of disease in patients diagnosed with acute pancreatitis in the emergency department
ARİF PEKTAŞ
- Yatak başı akut pankreatit şiddet indeksinin (BISAP) revize atlanta sınıflamasına göre akut pankreatitin şiddetini öngörmedeki yeri
Başlık çevirisi yok
IŞIL ÇÖLÜOĞLU
Tıpta Uzmanlık
Türkçe
2020
GastroenterolojiSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. ÖMER BURÇAK BİNİCİER
DOÇ. DR. CENGİZ CEYLAN
- Akut pankreatit hastalarında bisap skoru ve CRP, CRP/albümin, RDW, nötrofil/lenfosit, platelet/lenfosit düzeylerinin akut pankreatit ciddiyetini belirlemedeki prediktif değerlerinin karşılaştırılması
Comparison of bisap score and predictive values of CRP, CRP/albumin,RDW, neutrophil/lymphocyte, platelet/lymphocyte levels in determiningacute pancreatitis severity in acute pancreatitis patients
BERKAN KARABUĞA
Tıpta Uzmanlık
Türkçe
2021
GastroenterolojiAnkara Yıldırım Beyazıt Üniversitesiİç Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALİH BAŞER