Research Information System
15. Ulusal Radyasyon onkolojisi Kongresi, Antalya, Turkey, 6 - 10 December 2023, pp.152, (Summary Text)
Giriş: Serviks uteri kanseri dünyada en sık görülen 4. kanser
türüdür. Tüm bilinen uygun tedavilere rağmen bazı hastalar tedavi
sonrası takiplerinde yineleme gösterirken, bir kısmı ise sorunsuz takipte
kalmakta ve hastalıksız yaşamlarını sürdürmektedir. Yineleme
riski yüksek hastaların önceden belirlenebilmesi bu hastaların daha
yoğun tedavilere ve çalışmalara yönlendirilmesiyle sağkalımın arttırılması
adına önemlilik arz etmektedir. Yapay zekâ algoritmaları çoğu
kanser vakasında prognoz ile ilişkili bulunan değişkenlerin çoklu analizi
ve sağkalım öngörüsü oluşturması açısından umut vaadedicidir.
Materyal ve Metot: Bu çalışmada iki merkezden elde edilen 208
opere serviks uteri kanserli hasta verisi kullanılarak yineleme paterni
üzerine etkili olabilecek prognostik faktörler kullanılarak yapay zekâ
teknikleri ile yineleme olasılığının öngörüsü yapılmıştır.
Yineleme üzerine etkili olabilecek değişkenlerin dökümü Tablo 1
de verilmiştir.
MATLAB and Simulink R2021b ile hem kod yazarak hem de ‘Tool
Box’lar yardımı ile Yapay Sinir Ağları (ANN), K Yakın Komşuluk
Algoritması (k-NN), Karar Ağacı Algoritması ve Destek Vektör
Makinaları (SVM) modelleri kurularak verilerle eğitim gerçekleştirildikten
sonra test verisi ile modelin doğruluğu sınandı.
Veri ön işleme basamaklarında sürekli değişkenler katogorik değişkenlere
dönüştürüldü, veri temizleme işlemeleri yapıldı. Veri seti %70
eğitim ve %30’u test olarak random şekilde ayrıldı. Matlab programında
‘feature extraction’ özelliği kullanılarak değişkenler modele
eklenip çıkarılarak modeller çalıştırıldı ve en yüksek doğru tahmin
elde edilmeye çalışıldı.
ANN modeli: MATLAB programında hem kodlama hem de hazır
fonksiyon ve menüler sayesinde ANN modelini kurmak mümkün
olmaktadır. 10 iterasyonu takiben oluşan en iyi başlangıç noktasına
göre 2 katmanlı ve her katmanda 10 nöron bulunan ANN modeli
kurularak uygulandı. Sonuçta eğitim setinde hata oranı %5.5 ve
Test setinde ise yineleme olan 33 hastanın 30’unda doğru tahmin
(başarı %90.9) ve yineleme olmayan 31 hastanın 30 unda doğru
tahmin (başarı %96.7), toplam başarı oranı ise %93.7 olarak saptandı
(Resim 1).
k-NN modeli: Sonuçta eğitim setinde başarı %87.3 olmakla beraber,
test setinde ise yineleme olan hastalarda başarılı tahmin oranı
%93.7, yineleme olmayan hastalarda ise 8 yanlış tahmin ile %73.33
olarak saptandı.
SVM modeli: ‘predict(fitcsvm(train_data, train_labels,’Kernel-
Function’,’rbf’), test_data)~= test_labels)’ fonksiyonu ile kurulan
MATLAB SVM modeli veri setinde uygulaması ile ilgili görsel
Resim’de verilmiştir. Bu modelin uygunluk oranı ise %78.5 olarak
saptanmıştır.
Karar Ağacı Modeli: Karar ağacı model uygulaması ise
‘Classification Lerner Tool Box’ aracılığı ile gerçekleştirildi. Daha
önce düzenlenen eğitim serisi ve sonucu ile %88.2 başarı sağlanırken,
test grubunda da benzer bir şekilde %87.5 doğru yineleme tahmini
sağlandı.
Sonuç: Onkoloji alanında oluşan verinin doğru ve etkin değerlendirilerek
bilgiye dönüşmesi açısından bu ve benzeri veri madenciliği
ve yapay zekâ uygulama çalışmalarına yoğun ihtiyaç vardır. ANN
modeli ile serviks uteri kanserinin yineleme riski %93.7 oranında
doğru tahmin edilebilmiştir. Yineleme riski yüksek hastaların daha
yoğun kişiselleştirilmiş tedavi programlarına yönlendirilmesi ile kanser
hastalarındaki tedavi sonuçlarında iyileşme elde edilebilecektir.