Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Sağlık Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: H.KORAY MISIRLIOĞLU
Danışman: Gizem Çalıbaşı Koçal
Özet:
Kanser hastalarında hastalığın prognozu, sınıflandırılması, tedavi stratejilerinin optimizasyonu ve klinik çalışmaların tasarımı için önemlidir. Bu çalışma, kolon kanseri tanısı alan hastalarda hastaya ait sağkalımın sınıflandırmaya dayalı makine öğrenmesi teknikleri kullanılarak tahminlenebilmesi amacıyla yapıldı. Çalışmaya NCI'nın açık erişimli GDC portalındaki "TCGA-COAD" projesinden alınan 454 hastaya ait klinik ve genomik verileri dahil edildi. Klinik verilere uygulanan Kaplan-Meier sağkalım analizi sonucunda anlamlı çıkan parametrelerle gen ekspresyon verilerinin analizi sonucunda sağkalımla anlamlı ilişki içerisinde olduğu görülen dokuz farklı gen risk grubu olarak kullanıldı. Analizler R dilinde yazılan kodlarla gerçekleştirildi. R dilinde yazılan kodları geliştirme aracı olarak RStudio kullanıldı. Risk grupları sınıf etiketi olarak kullanılarak tahminler gerçekleştirildi. Seçilen klinik ve genomik parametreler; Naive Bayes, Destek Vektör Makinesi, Rastgele Orman ve C4.5 Karar Ağacı makine öğrenmesi algoritmalarıyla değerlendirildi. 10 kat çapraz doğrulama yöntemiyle test verisetleri oluşturularak model değerlendirmesi yapıldı. Tahminleme modeli Shiny aracılığıyla web arayüzü kullanılarak kamuya açık yapay zeka tabanlı klinik karar desteği sistemine dönüştürüldü. Çalışmanın sonuçlarına göre; en doğru sağkalım tahmininde bulunan makine öğrenmesi algoritma modelinin Rastgele Orman algoritması olduğu, klinik ve genomik verilerin birlikte kullanılmasının algoritma performansını arttırdığı (%76,2) görüldü. Onkoloji alanında prognoz ve sağkalım sonucuna odaklanan yapay zeka temelli klinik karar destek sistemi modelleri; hasta yaşam kalitesini ciddi anlamda etkileyebilecek kemoterapi tedavilerine başvurulmadan önce tedavinin uygulanmaya değer olup olmadığı konusunda hekim, hasta ve hasta yakınları için bir öngörü olması bakımından önemlidir. Prognoz ve sağkalım analizi yapabilen buna benzer sistemlerin geliştirilip iyileştirilmesi hastalığın yönetimini daha kolay hale getirecek ve hasta için daha doğru kararlar alınmasında yardımcı olacaktır.