| dc.creator |
Özer, Tahir,
1993-
author
264343 |
|
| dc.creator |
Kayıkçıoğlu, Erkan,
1978-
264344
thesis advisor |
|
| dc.creator |
Süleyman Demirel Üniversitesi.
Tıp Fakültesi.
İç Hastalıkları Anabilim Dalı.
9315
issuing body |
|
| dc.date |
2024. |
|
| dc.date.accessioned |
2025-02-25T10:50:02Z |
|
| dc.date.available |
2025-02-25T10:50:02Z |
|
| dc.identifier |
http://tez.sdu.edu.tr/Tezler/TT01763.pdf |
|
| dc.identifier.uri |
http://acikerisim.sdu.edu.tr/xmlui/handle/123456789/103091 |
|
| dc.description |
Amaç: Çalışmamızda Metastatik Küçük Hücreli Dışı Akciğer Kanseri (KHDAK) tanısı ile kliniğimizde takip ve tedavi edilen hastaların prognozunu ve ortalama sağkalım(OS)ını Yapay Zeka (YZ) algoritmalarını kullanarak tahmin etmeyi amaçladık. Gereç ve Yöntem: Çalışmamız için Süleyman Demirel Üniversitesi Araştırma ve Uygulama Hastanesi Tıbbı Onkololi Bilim Dalı'na Ocak 2010 ile Haziran 2022 tarihleri arasında başvurmuş Metastatik KHDAK tanısı alan 249 hastanın klinik ve patolojik özelliklerini içeren 51 parametre hastanenin elektronik kayıt sisteminden ve dosyalarından retrospektif olarak tarandı. Bu parametreler YZ algoritmalarıyla işlenerek, KHDAK tanılı hastaların prognozunu tahmin etmek üzere uygun modelleme için kullanıldı. Bulgular: Çalışmamızda YZ algoritmaları, 249 hastaya ait 51 veriyi kullanarak çok yüksek doğruluk ve kesinlik oranı (0,7322) ile OS'yi tahmin etmiştir. YZ'ye göre OS'yi tahmin etmede en belirleyici verilerin Laktat Dehidrogenaz (LDH), C-reaktif protein (CRP)/albümin (ALB) oranı (CAR), Sistemik İmmün İnflamasyon İndeksi (SII), Vücut Kitle Endeksi (BMI) ve lenfosit/monosit oranı (LMR) olduğu belirlenmiştir. Sonuç: Çalışmamız, metastatik KHDAK tanılı hastaların OS sürelerini tahmin etmek için bu denli geniş kapsamlı veri tabanı kullanan ve YZ tabanlı model oluşturan özgün bir araştırmadır. YZ, bu verileri kullanarak çok yüksek doğruluk ve kesinlik oranı (0,7322) ile hastaların OS'lerını tahmin etmiştir. YZ, hastaların OS'yi tahmin etmende en belirleyici 5 parametrenin LDH, CAR, SII, BMI, LMR olduğunu saptamıştır. Bu çalışma ile YZ uygulamalarının hastaların OS'sını çok hızlı, basit ve çok yüksek doğruluk oranı ile tahmin edebildiği gösterilmiştir. Anahtar Kelimeler : Yapay Zeka, Akciğer Kanseri, ortalama sağkalım (OS), Laktat Dehidrogenaz (LDH), CRP/albümin oranı (CAR) |
|
| dc.description |
Introduction: In our study, we aimed to predict the prognosis and overall survival (OS) of patients with metastatic non-small cell lung cancer (NSCLC) who were followed and treated in our clinic using Artificial Intelligence (AI) algorithms. Materials and Methods: For our study, the clinical and pathological characteristics of 249 patients diagnosed with NSCLC who applied to the Department of Medical Oncology at Süleyman Demirel University Research and Application Hospital between January 2010 and June 2022 were retrospectively scanned from the hospital's electronic recording system and files. These parameters were processed using AI algorithms to be used for appropriate modeling to predict the prognosis of patients diagnosed with NSCLC. Findings: In our study, AI algorithms predicted prognosis and OS with very high accuracy and precision (0.7322) using 51 data from 249 patients. Lactate Dehydrogenase (LDH), C-reactive protein (CRP)/albumin (ALB) ratio (CAR), Systemic Immune Inflammation Index (SII), Body Mass Index (BMI) and lymphocyte/monocyte ratio (LMR) were found to be the most predictive data for prognosis and survival according to AI. Conclusion: Our study is an original research that utilized such a large database and created an AI-based model to predict OS duration of patients with metastatic NSCLC. Using this data, AI predicted the OS of patients with very high accuracy and precision (0.7322). AI determined that LDH, CAR, SII, BMI, LMR were the 5 most decisive parameters in predicting the prognosis of patients. This study demonstrated that AI applications can predict the OS of patients very quickly, simply and with very high accuracy. Keywords : Artificial Intelligence, Lung Cancer, Mean survival, Lactate Dehydrogenase (LDH), CRP/albumin ratio (CAR) |
|
| dc.description |
Tez (Uzmanlık Tezi- PhD) - Süleyman Demirel Üniversitesi, Tıp Fakültesi, İç Hastalıkları Anabilim Dalı, 2024. |
|
| dc.description |
Kaynakça var. |
|
| dc.description |
Amaç: Çalışmamızda Metastatik Küçük Hücreli Dışı Akciğer Kanseri (KHDAK) tanısı ile kliniğimizde takip ve tedavi edilen hastaların prognozunu ve ortalama sağkalım(OS)ını Yapay Zeka (YZ) algoritmalarını kullanarak tahmin etmeyi amaçladık. Gereç ve Yöntem: Çalışmamız için Süleyman Demirel Üniversitesi Araştırma ve Uygulama Hastanesi Tıbbı Onkololi Bilim Dalı'na Ocak 2010 ile Haziran 2022 tarihleri arasında başvurmuş Metastatik KHDAK tanısı alan 249 hastanın klinik ve patolojik özelliklerini içeren 51 parametre hastanenin elektronik kayıt sisteminden ve dosyalarından retrospektif olarak tarandı. Bu parametreler YZ algoritmalarıyla işlenerek, KHDAK tanılı hastaların prognozunu tahmin etmek üzere uygun modelleme için kullanıldı. Bulgular: Çalışmamızda YZ algoritmaları, 249 hastaya ait 51 veriyi kullanarak çok yüksek doğruluk ve kesinlik oranı (0,7322) ile OS'yi tahmin etmiştir. YZ'ye göre OS'yi tahmin etmede en belirleyici verilerin Laktat Dehidrogenaz (LDH), C-reaktif protein (CRP)/albümin (ALB) oranı (CAR), Sistemik İmmün İnflamasyon İndeksi (SII), Vücut Kitle Endeksi (BMI) ve lenfosit/monosit oranı (LMR) olduğu belirlenmiştir. Sonuç: Çalışmamız, metastatik KHDAK tanılı hastaların OS sürelerini tahmin etmek için bu denli geniş kapsamlı veri tabanı kullanan ve YZ tabanlı model oluşturan özgün bir araştırmadır. YZ, bu verileri kullanarak çok yüksek doğruluk ve kesinlik oranı (0,7322) ile hastaların OS'lerını tahmin etmiştir. YZ, hastaların OS'yi tahmin etmende en belirleyici 5 parametrenin LDH, CAR, SII, BMI, LMR olduğunu saptamıştır. Bu çalışma ile YZ uygulamalarının hastaların OS'sını çok hızlı, basit ve çok yüksek doğruluk oranı ile tahmin edebildiği gösterilmiştir. Anahtar Kelimeler : Yapay Zeka, Akciğer Kanseri, ortalama sağkalım (OS), Laktat Dehidrogenaz (LDH), CRP/albümin oranı (CAR) |
|
| dc.description |
Introduction: In our study, we aimed to predict the prognosis and overall survival (OS) of patients with metastatic non-small cell lung cancer (NSCLC) who were followed and treated in our clinic using Artificial Intelligence (AI) algorithms. Materials and Methods: For our study, the clinical and pathological characteristics of 249 patients diagnosed with NSCLC who applied to the Department of Medical Oncology at Süleyman Demirel University Research and Application Hospital between January 2010 and June 2022 were retrospectively scanned from the hospital's electronic recording system and files. These parameters were processed using AI algorithms to be used for appropriate modeling to predict the prognosis of patients diagnosed with NSCLC. Findings: In our study, AI algorithms predicted prognosis and OS with very high accuracy and precision (0.7322) using 51 data from 249 patients. Lactate Dehydrogenase (LDH), C-reactive protein (CRP)/albumin (ALB) ratio (CAR), Systemic Immune Inflammation Index (SII), Body Mass Index (BMI) and lymphocyte/monocyte ratio (LMR) were found to be the most predictive data for prognosis and survival according to AI. Conclusion: Our study is an original research that utilized such a large database and created an AI-based model to predict OS duration of patients with metastatic NSCLC. Using this data, AI predicted the OS of patients with very high accuracy and precision (0.7322). AI determined that LDH, CAR, SII, BMI, LMR were the 5 most decisive parameters in predicting the prognosis of patients. This study demonstrated that AI applications can predict the OS of patients very quickly, simply and with very high accuracy. Keywords : Artificial Intelligence, Lung Cancer, Mean survival, Lactate Dehydrogenase (LDH), CRP/albumin ratio (CAR) |
|
| dc.language |
tur |
|
| dc.publisher |
Isparta : Süleyman Demirel Üniversitesi Tıp Fakültesi, |
|
| dc.subject |
Süleyman Demirel Üniversitesi |
|
| dc.title |
Metastatik küçük hücreli dışı akciğer kanserinde prognozu belirlemede yapay zekanın yeri = The role of artificial intelligence in detecting prognosis in metastastic non-small cell lung cancer / |
|
| dc.type |
text |
|