Akademik Veri Yönetim Sistemi
15. Ulusal Radyasyon onkolojisi kongresi, Antalya, Türkiye, 6 - 10 Aralık 2023, ss.3
Giriş: Günümüz sağlık kayıtlarında dünya genelinde kadınlar arasında
en sık görülen kanser türü meme kanseri olup tüm kanserlerin
dörtte birini oluşturmaktadır. Her ne kadar erken tanı için tarama
programı geliştirilip kür oranları artmış olsa da, halen bu hastalık nedeni
ile ölüm oranları yüksektir. Tanı sonrası pek çok faktör sağkalımı
değiştirmekle birlikte, hastaların %12 si ilk beş yıl içinde kaybedilmektedir.
Bu ayırımı yapabilmek, hangi hastanın daha yoğun tedaviler
alması gerektiğinin ayırdını yaparak sağkalım avantajı sağlarken,
bir taraftan da gereksiz harcamalar ve yan etkiler oluşturmamak açısından,
kişi ve ülke bazında önemli projelerdir.
Materyal Metot: Bu çalışmada meme kanseri tanısı almış ve
tedavileri sonrası uzun süre takibi olan iki radyoterapi merkezinin
1090 hasta verisi kullanılmıştır. Hastalığın yinelemesi ile ilgili olası
prognostik faktörler Tablo I de verilmiştir Tablo I. Sonlanım noktası
olarak meme kanserinin yinelemesi ve hastanın ölümü durumları seçilmiştir.
Takip süresi içinde 241 (%22,1) hastada hastalık yinelemesi
gözlenmiş olup süre sonunda hastaların 209’u (%19,2) ölmüştür.
Dört farklı yapay zekâ yöntemi ile yineleme ve sağkalım öngörüsü
çalışması yapılmıştır.Verilerin düzenlenmesi aşamasında yineleme ve
ölüm oranları düşük olduğu için ve meme kanseri yinelemesi geç
dönemlerde de gözlenebildiği için en az beş yıl takibi olan hastalar
yinelemesi veya ölümü olmayan gruba dahil edilmiş ve boş parametresi
olan vakalar o parametre ‘feature extraction’da seçilmişse analiz
dışına alınmıştır.
Bulgular: Yapay Sinir Ağları (ANN) modeli, 10 iterasyonu takiben
oluşan en iyi başlangıç noktasına göre 2 katmanlı ANN modeli
kurularak uygulanmıştır. Sonlanım noktası meme kanserinin yinelemesi
olarak seçildiğinde; random oluşturulan %70 hastalık eğitim
setinde hata oranı %3,7 ve test setinde ise yineleme olanlarda doğru
tahmin başarı %86,7 ve yineleme olmayan hastalarda doğru tahmin
başarısı %94,8, toplam başarı oranı ise %90,2 olarak saptanmıştır.
Sonlanım noktası genel sağkalım olduğunda ise, genel öngörü ANN
modeli ile %83,1 başarı oranında sağlanmıştır.
Yineleme için kurulan K Yakın Komşuluk (K-NN) algoritması
ile doğru tahmin oranı %78,2, sağkalım için ise %83,1 olarak
bulunmuştur.
MATLAB Destek Karar Makinası (SVM) modeli veri setinde uygulaması
ile yineleme öngörüsü uygunluk oranı ise %92,2 olarak saptanmıştır
(Resim 1). Genel sağkalım için SVM modeli kurulduğunda
ise doğru öngörü olasılığı %81,3 olarak bulunmuştur.
Karar Ağacı Algoritması model uygulaması ise ‘Classification
Lerner Tool Box’ aracılığı ile gerçekleştirilmiştir. Yineleme öngörüsü
için eğitim başarısı %90,3, test %90,0 ve Area Under Curve (AUC)
%92,0 olarak sağlanmıştır. Genel sağkalımı meme kanseri dışında
başka bir dolu faktör etkilediği için olabilir ki Karar Ağacı Algoritması
yöntemi ile eğitim başarısı %83,70, test başarısı %85,3 ve AUC
%88,0 olarak kaydedilmiştir.
Sonuç: Verilerin MATLAB programında ANN, K-NN, SVM ve
Karar Ağacı Algoritması ile değerlendirilmesinde özellikle ANN,
SVM, Karar Ağacı Algoritması ile hastalığın yineleme tahmin oranı
%90’nın üzerinde yüksek doğrulukla tahmin edilebilmiştir. Genel
sağkalım üzerine meme kanseri dışında da başka faktörler etkili olabileceğinden,
tahmin oranları daha düşük kalmıştır. Sonuç olarak
yapay zekâ uygulamaları prognoz takibinde ve kişiselleştirilmiş tedaviyi
yönlendirmede karar destek sistemleri olarak hekimlere yardımcı
araçlar olmak üzere hızla yol almaktadır.