Sepsis management in icu using explainable reinforcement learning
Açıklanabılır pekıştirmeli öğrenme ile yoğun bakımda sepsıs yönetımi
- Tez No: 1005727
- Danışmanlar: DOÇ. DR. RÜŞTÜ MURAT DEMİRER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Pekiştirmeli öğrenme, Sepsis, Yapay zeka, Reinforcement learning, Sepsis, Artificial intelligence
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sepsis, küresel ölümlerin yaklaşık üçte birini oluşturarak yoğun bakım ünitelerinde temel ölüm nedeni olmaya devam etmektedir. Hastaların heterojen yapısı nedeniyle geleneksel reaktif protokoller genellikle yetersiz kalmakta, mevcut yapay zeka çözümleri ise klinik güven için gereken şeffaflıktan yoksun görünmektedir. Bu çalışma; dinamik ve yorumlanabilir tedavi stratejileri sunmak amacıyla Muhafazakar Q-Öğrenme (CQL) ile Çift Derin Q-Ağı (DDQN) mimarisini entegre eden özgün bir Açıklanabilir Takviyeli Öğrenme (XRL) çerçevesi geliştirmektedir. 14.383 kabul ve 1,6 milyondan fazla geçiş verisi içeren MIMIC-III v1.4 veri tabanı kullanılarak; Laktat, Kreatinin ve MAP gibi temel biyometrilere odaklanan 11 parametreli bir durum uzayı oluşturulmuştur.“Önce güvenlik”yaklaşımını benimseyen model, çevrimdışı öğrenme risklerini azaltmak için CQL kullanmış, aksiyon uzayı 2x2'lik bir yapıda optimize etmiştir. Geliştirilen XRL ajanı, sıvı yüklenmesini önlemek amacıyla otonom olarak kısıtlayıcı bir sıvı yönetimi stratejisine öncelik vermiştir. Uygulayıcıların model önerisinden önemli ölçüde daha fazla sıvı verdiği vakalarda, ölüm oranlarının %16'dan %32'ye çıkarak iki katına ulaştığı gözlemlenmiştir. Kısıtlayıcı resüsitasyon konusundaki araştırmalarla örtüşen bu XRL çerçevesi, kritik bir düzeltici sistemdir. Ölümcül olabilecek aşırı sıvı yüklemesi uygulamalarını tespit edip önleyebilen güvenilir bir klinik karar destek aracı sunmaktadır.
Özet (Çeviri)
Sepsis is a leading cause of ICU mortality, accounting for nearly one-third of global deaths. Due to patient heterogeneity, traditional reactive protocols often fail, and many AI solutions lack the transparency needed for clinical trust. This research develops a novel Explainable Reinforcement Learning (XRL) framework, integrating Conservative Q-Learning (CQL) with a Double Deep Q-Network (DDQN) to provide dynamic, interpretable treatment strategies. Using the MIMIC-III v1.4 database—encompassing 14,383 admissions and over 1.6 million transition tuples—the study constructed an 11-parameter state space focusing on key biometrics like Lactate, Creatinine, and MAP. To ensure a“safety-first”approach, the CQL framework was employed to mitigate offline learning risks, while the action space was optimized to a 2x2 structure to maintain policy stability against data sparsity. The XRL agent independently prioritized a restrictive fluid management strategy to prevent fluid overload. Statistical analysis highlights the clinical impact: in cases where practitioners administered significantly more fluids than the model recommended, mortality rates doubled, rising from 16% to 32% By aligning with the emerging medical consensus on restrictive resuscitation, this XRL framework serves as a vital corrective system. It offers a reliable clinical decision support tool capable of identifying and preventing potentially lethal over-resuscitation in high-stakes environments.
Benzer Tezler
- Akut miyokard infarktüsünde intravenöz heparin tedavisi ile alınan sonuçlar (karşılaştırmalı bir çalışma)
Başlık çevirisi yok
MEHMET ALİ ÇOBANOĞLU
Tıpta Uzmanlık
Türkçe
1987
Kardiyolojiİstanbul Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. REMZİ ÖZCAN
- Neonatal sepsisin prognozunun tayininde bazı hematolojik parametrelerin yeri
Başlık çevirisi yok
ORHAN DENGİZ
Tıpta Uzmanlık
Türkçe
1988
Çocuk Sağlığı ve HastalıklarıUludağ ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
- Cerrahpaşa ve İstanbul Tıp Fakülteleri çocuk kliniklerinde ölümlerin incelenmesi
Başlık çevirisi yok
BEYHAN TÜYSÜZ
- Yenidoğan sepsisinde yüzeyel vücut kültürlerinin değeri
Başlık çevirisi yok
SADİ TACETTİNOĞLU
Tıpta Uzmanlık
Türkçe
1989
Çocuk Sağlığı ve HastalıklarıErciyes ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı