Spinal anestezi uygulanan sezaryen operasyonlarında induksiyon sonrası hipotansiyon riskini öngören yapay zekâ algoritması geliştirilmesi
Development of artificial intelligence algorithm that predicts the risk of post-induction hypotension in cesarean section operations under spinal anesthesia
- Tez No: 891559
- Danışmanlar: PROF. DR. BANU KILIÇASLAN, DR. ÖĞR. ÜYESİ BAŞAK AKÇA, DR. ÖĞR. ÜYESİ OKAN BİLGE ÖZDEMİR
- Tez Türü: Tıpta Uzmanlık
- Konular: Anestezi ve Reanimasyon, Anesthesiology and Reanimation
- Anahtar Kelimeler: Anestezi-spinal, Anesthesia-spinal
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Anesteziyoloji ve Reanimasyon Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yavuzel S. Spinal Anestezi Uygulanan Sezaryen Operasyonlarında İnduksiyon Sonrası Hipotansiyon Riskini Öngören Yapay Zekâ Algoritması Geliştirilmesi. Hacettepe Üniversitesi Tıp Fakültesi, Anesteziyoloji ve Reanimasyon Uzmanlık Tezi. Ankara, 2024. Bu çalışmanın amacı spinal anestezi uygulanan sezaryen operasyonlarında indüksiyon sonrası hipotansiyonu öngören derin öğrenme algoritmaları geliştirilmesidir. Bu amaçla hastalardan preoperatif olarak toplanan veriler kullanılmıştır. Çalışmaya Hacettepe Üniversitesi Hastanesi Bölüm 81 Doğumhanesi'ne Şubat 2023-Aralık 2023 tarihleri arasında başvurmuş toplamda 370 hasta dahil edildi, toplamda 122 özgün özellik ve sonuç değişkeniyle beraber toplamda 45.140 değişkenden oluşan veri seti oluşturuldu. Oluşturulan veri seti hipotansif ve non-hipotansif olarak etiketlendi ve %80-%10-%10 eğitim-validasyon-test verisi olarak 3'e bölünüp derin öğrenme modelleri eğitildi. Model eğitimi sırasında select-K-best yöntemi ile önemli özellikler seçildi ve ridge regresyon uygulanarak aşırı uyum probleminin önüne geçildi. Geliştirilen modeller, spinal anestezi sonrası hipotansiyonu öngörebilen 3 farklı derin öğrenme yönteminden(FCNN, 1D-CNN ve LSTM) 8 farklı derin öğrenme modelini içermekteydi. 8 farklı modelle farklı özellik kombinasyonlarını içeren 4000'e yakın deney yapıldı. Bu deneylerden her bir model için en iyi AUROC'a sahip deney o modelin en iyi sonucu olarak kabul edildi. Daha sonra bu 8 model karşılaştırıldı ve en iyi AUROC'a sahip model Tam Bağlı Yapay Sinir Ağları Modellerinden olan FCNN-2'nin 50 Özellikli deneyi olarak bulundu (AUROC=0.6883). Bununla beraber oluşturulan veri setinde hastalar hipotansif ve non hipotansif olarak sınıflandırılıp klasik istatistiksel testler ile hipotansiyonda etkili olan risk faktörleri belirlendi. Klasik istatistiksel testlerde istatistiksel açıdan hipotansiyon riski oluşturan özelliklerin tümü 50 özelliğin içinde yer almaktaydı. 30 yaş ve üzeri olmak (p=0,036) daha önceki sezaryenlerinde hipotansiyon yaşama durumu(p=<0,001), hastane yatışından itibaren verilen IV sıvı miktarının azalması (p=0,042), ESR değerinin düşmesi (p=0,033), CRP değerinin yükselmesi (p=0,049), DM varlığı (p=0,043) hipotansiyon açısından risk oluştururken; demir preperatı kullanımı (p=0,004) ve multivitamin kullanımı (p=0,003) hipotansiyon açısından koruyucu faktör olarak öne çıkmıştır. Model önem sırasına bakıldığındaysa bu özelliklere ek MCV, ferritin ve D- dimer değerlerinin artışıyla PCOS ve HT varlığı ve açlık süresinin artışı hipotansiyon oluşumunda önemli risk faktörleri olarak belirlenmiştir. Kullanılan bupivakain dozu dışında spinal anestezi uygulanışıyla ilgili hiçbir özellik hipotansiyon açısından anlamlı bulunmamıştır. Bununla beraber hastaların preoperatif sindekan-1 değerleriyle de spinal sonrası hipotansiyon sıklığı arasında bağlantı bulunamamıştır(p=0,675). Sonuç olarak sadece preoperatif özelliklere bakarak spinal anestezi sonrası hipotansiyonu öngören en başarılı derin öğrenme algoritması %68 AUROC başarım sergilemiştir. Sadece preoperatif özellikler ile bu başarımı sağlamasıyla klinik pratikte kullanımı hem kolaydır hem de spinal anestezi sonrası hipotansiyon oluşacak hastaların anestezi doktoru tarafından erken saptanmasını sağlayacaktır.
Özet (Çeviri)
Yavuzel S. Development of Artificial Intelligence Algorithm that Predicts the Risk of Post-Induction Hypotension in Cesarean Section Operations Under Spinal Anesthesia. Hacettepe University, Thesis in Anesthesiology and Reanimation, Ankara, 2024.The aim of this study is to develop deep learning algorithms to predict hypotension after induction in cesarean sections with spinal anesthesia. Preoperative data collected from patients was used for this purpose. A total of 370 patients who applied to the Hacettepe University Hospital Department 81 Delivery Room between February 2023 and December 2023 were included in the study, and a dataset consisting of a total of 45,140 variables, including 122 unique features and the outcome variable, was created. The created dataset was labeled as hypotensive and non-hypotensive and divided into 80%-10%-10% training-validation-test data to train the deep learning models. During model training, important features were selected using the select-K-best method, and ridge regression was applied to prevent overfitting. The developed models included eight different deep learning models from three different deep learning methods (FCNN, 1D-CNN, and LSTM) that could predict hypotension after spinal anesthesia. Approximately 4000 experiments were conducted with different feature combinations for the eight different models. The experiment with the best AUROC for each model was accepted as the best result for that model. These eight models were then compared, and the model with the best AUROC was found to be the 50-Feature experiment of FCNN-2, one of the Fully Connected Neural Network Models (AUROC=0.6883). Additionally, the dataset was classified as hypotensive and non-hypotensive, and risk factors effective in hypotension were determined using classical statistical tests. All features that statistically created a risk of hypotension in classical statistical tests were included in the 50 features. Being over 30 years old (p=0.036), having experienced hypotension in previous cesareans (p=<0.001), a decrease in the amount of IV fluid given from hospital admission (p=0.042), a decrease in ESR value (p=0.033), an increase in CRP value (p=0.049), and the presence of DM (p=0.043) were risk factors for hypotension, while the use of iron preparations (p=0.004) and multivitamin use (p=0.003) emerged as protective factors against hypotension. In terms of model importance, in addition to these features, an increase in MCV, ferritin, and D-dimer values, the presence of PCOS and hypertension, and an increase in fasting duration were identified as important risk factors for the development of hypotension. Apart from the dose of bupivacaine used, no feature related to the application of spinal anesthesia was found to be significant for hypotension. Additionally, no correlation was found between patients' preoperative syndecan-1 levels and the frequency of hypotension after spinal anesthesia (p=0.675). In conclusion, the most successful deep learning algorithm that predicts hypotension after spinal anesthesia, based only on preoperative features, achieved a performance of 68% AUROC. Achieving this performance with only preoperative features makes its clinical practice use both easy and allows anesthesia doctors to early identify patients who will develop hypotension after spinal anesthesia.
Benzer Tezler
- Elektif sezaryan operasyonlarında remifentanil uygulanan genel anestezi ile spinal anestezinin anne ve yenidoğan üzerine olan etkilerinin karşılaştırılması
The comparison of the effects of remifentanil with general anesthesia and spinal anesthesia on mother and newborn in the parturients undergoing elective caesarean section
AYDIN MERMER
Tıpta Uzmanlık
Türkçe
2012
Anestezi ve ReanimasyonNecmettin Erbakan ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. ŞEREF OTELCİOĞLU
- Spinal anestezi uygulanan sezaryen sectio operasyonlarında kolloid (hes) sıvısının preload ve coload olarak verilmesinin hipotansiyon insidansı üzerine etkinliğinin karşılaştırılması
Comparison of hypotension incidence on colloid (hes) preload versus coload in spinal anesthesia for cesarean delivery
HANDE GÜNGÖR
Tıpta Uzmanlık
Türkçe
2018
Anestezi ve ReanimasyonSağlık Bilimleri ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
UZMAN TÜLİN ESRA ÇIRPICI
- Sezaryen operasyonlarında genel anestezi ile rejyonal anestezinin karşılaştırılması
Başlık çevirisi yok
ÖZDEN POLAT
- Genel ya da spinal anestezi yöntemleri uygulanan sezaryen ameliyatlarında bebek APGAR skoru ve anne hemodinamisi
Infant APGAR score and mother hemodynamia ın cesarian operations with general or spinal anesthesia technique
BURAK MUTLU
Tıpta Uzmanlık
Türkçe
2020
Kadın Hastalıkları ve DoğumSivas Cumhuriyet ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
DOÇ. DR. AHMET CEMİL İSBİR
- Spinal anestezi uygulanan sezaryen operasyonlarında serebral oksimetre kullanımının önemi
The importance of use cerebral oximeter in cesarean section with spinal anesthesia
TUĞBA DORKEN
Tıpta Uzmanlık
Türkçe
2013
Anestezi ve Reanimasyonİstanbul Medeniyet ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. MELEK GÜRA ÇELİK