Akut apandisit tanı oranının makine öğrenmesi yardımı ile prospektif olarak iyileştirilmesi
Prospective improvement of acute appendicitis diagnosis rate with the help of machine learning
- Tez No: 863066
- Danışmanlar: DOÇ. DR. EDİP AKPINAR
- Tez Türü: Tıpta Uzmanlık
- Konular: Genel Cerrahi, General Surgery
- Anahtar Kelimeler: Akut Apandisit, Makine Öğrenmesi, Negatif Apendektomi, Erken Tanı, Acute Appendicitis, Machine Learning, Negative Appendectomy, Early Diagnosis
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Adana Tıp Fakültesi
- Ana Bilim Dalı: Genel Cerrahi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Hastane acillerinde en sık görülen cerrahi batın problemi olan akut apandisitin ciddi morbidite ve mortaliteye yol açmaması için erken teşhis edilip tedavi edilmesi gerekir. Doğru tanı koyma oranı gittikçe artmakla birlikte yanlış tanı oranı hala %20'nin üstündedir. Bu çalışmada, merkez bazlı tarihsel veri ile eğitilen modeller aracılığıyla akut apandisitin doğru tanı oranının artırılabilirliği araştırılmaktadır. Gereç ve Yöntem: Adana Şehir Eğitim ve Araştırma Hastanesi arşivinden retrospektif olarak apendektomi ameliyatı yapılan hastaların klinik bilgileri, laboratuvar sonuçları, radyolojik bulguları ve histopatolojik raporları çıkartılarak tek bir veri tabanı altında toplandı. Bu veriler makine öğrenmesi algoritmaları uygulanarak analiz edildi ve prediktif bir model oluşturuldu. Daha sonra prediktif modelin ışığında eski dosyalarda yeterince bulunmadığı anlaşılan değişkenleri ortaya çıkaracak bir sorgu formu hazırlanıp prospektif olarak akut apandisit nedeniyle cerrahi servisine yeni kabul edilen hastalara uygulandı. Makina öğrenmesi algoritmaları için KNIME, istatistikler için R paketi kullanıldı ve p<0.05 değeri anlamlı olarak kabul edildi. Bulgular: 2020 Ocak ve 2021 Aralık tarihleri arasında apendektomi ameliyatı olan 908 hastanın kaydı çıkarıldı. Akut apandisitin patolojik tanısı hedef değişken olarak seçildiğinde denetimli makine öğrenmesi analizine tabi tutulan verilerden lojistik regresyon modeli öne çıktı. Retrospektif modelde hastanın hikaye, sistem sorgusu ve hekimin doğrudan izlenimini yansıtan klinik bilgilerin belirgin olarak eksik olduğu ortaya çıktı, bunun üzerine bu tip bilgileri elde edip analize dahil etmek için bir sorgu formu hazırlanıp akut apandisit nedeni ile servise kabul edilen 107 hastaya prospektif olarak uygulandı. Elde edilen yeni veriler tekrar değerlendirilerek modelin doğruluğu geliştirildi. Bu şekilde prospektif seride modelin doğru tanı koyma oranı %76'dan %84.5'e çıkmıştır (p<0.05). Sonuç: Merkez bazlı retrospektif verilerden elde edilen deneyim kullanılarak, makine öğrenmesi aracılığıyla akut apandisitin doğru tanı oranının artırılması mümkündür. Çalışmamız hekim-hasta etkileşiminin özeti olan hikaye, sistem sorgusu ve fizik muayene bilgilerinin tanıda ek yöntemlerden daha önemli olabileceğini işaret etmektedir. Ancak, kesin bir sonuca varabilmek için triyajı yapılmamış hastalarda daha geniş kapsamlı prospektif çalışmalara ihtiyaç vardır.
Özet (Çeviri)
Aim: Early diagnosis of acute appendicitis is crucial to avoid its complications that may lead to mortality or lifelong morbidity. Despite significant advances in recent decades, the rate of negative laparotomy is still above 20%. This study aims to investigate the potential of gradually enhancing the precision of diagnosing acute appendicitis through the utilization of machine learning algorithms trained on historical local data. Materials and Methods: Clinical, laboratory, radiographic, and histological data of patients who underwent appendectomy in our hospital were retrieved and combined into a single database. A supervised learning algorithm was used to analyze the data, with the target outcome variable being the histopathological diagnosis of acute appendicitis. The emerged best model's missing variables that were traditionally known to be important were used to create a questionnaire to be applied to prospective patients in order to improve the model. The R statistics package was used for statistical analysis, and a p<0.05 was deemed significant. Results: We retrieved records from our hospital database for 908 individuals who had appendectomy between January 2020 and December 2021. The emerged model of supervised machine learning algorithm from historical data was logistic regression. However, its parameters turned out to be very poor of data related to the patient's history and physical exam, which is the summary of physician-patient interactions. To fill in the gaps, a survey form incorporating questions about the patient's history and physical examination was created and a total of 107 patients who were admitted for acute appendicitis completed the survey prospectively with a physician. The prediction power of the model and the percentage of correct diagnoses increased dramatically with the new information acquired in this manner, namely from 76% to 84.5% (p<0.05). Conclusions: Machine learning methods can be used to learn from center based historical data to improve the rate of correct diagnosis of acute appendicitis. Our research also reveals that, when it comes to making a diagnosis, the physician's detailed impression, which is the product of physician's interaction with the patient, may actually be more significant than laboratory and imaging methods when incorporated into the diagnostic models. Nevertheless, additional prospective trials need to be conducted on non-triaged patients to address potential biases.
Benzer Tezler
- Çocuklarda apandisit tanısında yapay zekâ destekli karar sistemlerinin kullanımı: Prospektif bir çalışma
The use of artificial intelligence-assisted decision systems in the diagnosis of appendicitis in children: A prospective study
HATİCE KÜBRA GEGEZ
Tıpta Uzmanlık
Türkçe
2026
Çocuk CerrahisiSağlık Bilimleri ÜniversitesiÇocuk Cerrahisi Ana Bilim Dalı
PROF. DR. ÇETİN ALİ KARADAĞ
- Akut apandisit olgularında nötrofil/lenfosit oranının tanıda ve hastalığın şiddetini belirlemedeki prediktif değeri ve bu olgularda görüntüleme yöntemlerinin tanısal değeri
The predictive and diagnostic value of neutrophil/lymphocyte ratio in the cases with acute appendicitis and the diagnostic value of imaging methods in these cases
ONUR YÜCESOY
Tıpta Uzmanlık
Türkçe
2017
İlk ve Acil YardımSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. MEHMET KÜÇÜK
- Akut apandisit patofizyolojisinde endoplazmik retikulum stres, apoptoz ve otofaji markerlarının incelenmesi
Investigation of autophagy, apoptosis, and er stress markers in acute appendicitis pathogenesis
BÜŞRA AYNEKİN
Yüksek Lisans
Türkçe
2015
GenetikTurgut Özal ÜniversitesiTıbbi Genetik Ana Bilim Dalı
DOÇ. DR. KADİR DEMİRCAN
- SDÜ Tıp Fakültesi Acil Servisine başvuran ve akut apandisit tanısıyla opere edilen hastaların biyobelirteçleri ve görüntüleme yöntemlerinin geriye dönük değerlendirilmesi
The biomarkers and imaging methods retrospective evaluation in patients with attend the Emergency Department of SDU Faculty of Medicine and operated with diagnosis of acute appendicitis
ERKAN DUMAN
Tıpta Uzmanlık
Türkçe
2016
İlk ve Acil YardımSüleyman Demirel ÜniversitesiAcil Tıp Ana Bilim Dalı
YRD. DOÇ. DR. HAMİT HAKAN ARMAĞAN
- The Role of Laparoscopy In Diagnosis and Treatment of Acute Abdomen
Akut Karın Tanı ve Tedavisinde Laparoskopinin Rolü
GIHAN ADLY ALSAYED ABDELMOTELEB
