Akademik Veri Yönetim Sistemi
8. Ulusal Minimal İnvaziv Ürolojik Cerrahi Kongresi, Antalya, Türkiye, 7 - 10 Mart 2024, ss.39
Amaç: Son yıllarda tıbbın her alanında olduğu gibi ürolojide de yapay zekanın alt kümesi olan makine öğrenmesinin kullanıldığı çalışmalar yaygınlaşmaktadır. Ancak literatürde retrograd intrarenal cerrahi (RIRS) yapılan böbrek taşı hastalarında taşsızlık şansı ve komplikasyon ihtimalini öngörmede makine öğrenmesi kullanılarak analiz yapılan sadece birkaç çalışma bulunmaktadır. Biz de RIRS yapılan hastalarda taşsızlık şansı ve komplikasyon ihtimalini öngörebilmek için makine öğrenmesi metodları kullanarak analiz yapmayı amaçladık.
Metod: Prospektif olarak oluşturulmuş Minimal İnvaziv Üroloji Derneği Taş Çalışma Grubu Veri Tabanı incelemeye alındı. (Minimal İnvaziv Üroloji Derneği Taş Çalışma Grubu Veri Toplama Projesi isimli, Ondokuz Mayıs Üniversitesi, Klinik Araştırmalar Etik Kurulu, 2023/144 karar numaralı, B.30.2.ODM.0.20.08/223-276 sayılı gözlem nitelikli araştırma projesi) Veritabanından RIRS yapılmış hastalar seçildi. Veri setimizde yer alan hastaların R.I.R.S skorlama sistemi skorları, Seoul Üniversitesi böbrek taşı skorları ve Resorlu Unsal böbrek taşı skorları yer almaktaydı. Bu skorlar ve veri setimizde yer alan değişkenler kullanılarak oluşturulan tahmin modeli ayrı ayrı ve çeşitli şekillerde kombine edilerek analiz yapıldı. Kullanılan makine öğrenmesi metodları; Lojistik Regresyon (LR), Radial Basis Function Support Vector Machine (RBF-SVM) ve Random Forest (RF) idi.
Sonuçlar: Şubat 2022 – Ocak 2023 arasında RIRS yapılmış 355 hastadan eksik verileri olan 56 hasta çıkarıldıktan sonra 299 hasta çalışmaya dahil edildi. Taşsızlık 207/299 (%69,2) hastada elde edilmişken, 37/299 (%12,3) hastada komplikasyon görüldü. Taşsızlık ve komplikasyonu öngörmede 4 farklı skorlama sistemi için ayrı ayrı, bütün skorlama sistemleri birarada kullanılarak, bizim değişkenlerimizle oluşturduğumuz model kullanılarak ve bizim değişkenlerimizin tüm skorlama sistemleriyle kombine edildiği model kullanılarak analiz yapıldı. Her bir analizde LR, RBF-SVM ve RF algoritmaları ayrı ayrı çalışıldı. Bizim modelimizin AUC değeri; hem komplikasyonu (AUC : 0,86, RF-filtre) hem de taşsızlığı (AUC : 0,81, RF) öngörmede dörtfarklı skorlama sisteminin ayrı ayrı tek başlarına kullanıldığı analizlerden daha yüksek çıktı. Ayrıca bizim modelimizin hem komplikasyonu hem de taşsızlığı öngörmede AUC değeri en yüksekti. Detaylar Tablo olarak ekte verilmiştir.
Tartışma: Bizim bilgimize göre literatürde RIRS yapılan hastalarda
taşsızlığı öngörmede makine öğrenmesi kullanımına dayanan sadece
birkaç adet çalışma bulunmaktadır. Ayrıca literatürdeki bu çalışmalarda skorlama sistemleri ile karşılaştırmalı değerlendirme yapılmamıştır. Bizim çalışmamızın özgün yanı, R.I.R.S. skorlama sistemi, Seoul
Üniversitesi böbrek taşı skoru, Resorlu-Unsal taş skoru olmak üzere
3 farklı skorlama sistemi ile karşılaştırmalı analiz yapmış olmamızdır.
Komplikasyon ihtimalini ve taşsızlık şansını öngörmede bizim modelimizin prediktif değeri en yüksek bulundu. Bu çalışma ön sonuçları
içermektedir. Minimal İnvaziv Üroloji Derneği Taş Çalışma Grubu Veri
Tabanı’na prospektif olarak veri girişi devam etmektedir