Çölyak hastalığı ile immün yanıt arasındaki ilişkinin meta analizi

Çölyak hastalığı; buğday, arpa, çavdar gibi tahıllarda bulunan glutenin tetiklediği, genetik olarak yatkın bireylerde kronik bağırsak iltihabı ve villusların körelmesi ile karakterize otoimmün bir hastalıktır. İnsidansı coğrafi koşullardan ve toplumların etnik yapısından etkilense de dünya genelinde görülme sıklığı %1 ile %2 arasındadır. Hastalar genellikle karın ağrısı, ishal, kusma gibi tipik belirtiler gösterdiği gibi, büyümede gerilik, anemi, yorgunluk, sinirlilik, cilt problemleri gibi atipik belirtiler de gösterebilir. Hasta profilindeki çeşitlilik ve standardize edilmemiş serolojik testler klinik uygulamalarda oldukça zorlayıcı olmaktadır. Hastalık immün sistem ile yakından ilişkilidir. İmmün sistemin glutene karşı oluşturduğu tepki, ilk olarak kanda ilgili otoantikorların saptanmasıyla belirlenir. Gluten yoluyla tetiklenen immün sistem mekanizmalarının ince bağırsakta oluşturduğu tahribatın bir sonucu olarak körelen villuslardaki histolojik değişimlerin derecesine bakılarak hastalığın kesin tanısı konur. ÇÖLYAK HASTALIĞI ile İMMÜN YANIT ARASINDAKİ İLİŞKİNİN META ANALİZİ xii Tanının ilk aşamasında serolojik testler kullanılır. Serolojik testlerin pozitif çıkması durumunda hasta ince bağırsak biyopsisine yönlendirilir. Bu yüzden serolojik testlere ait duyarlılık, özgüllük ve prediktif değerler gibi tanısal doğruluk parametreleri biyopsi kararında çok önemlidir. Buna rağmen çoğu klinik çalışmada bu değerler verilmemektedir. Bu eksik parametreler serolojik testlerin standardizasyonunu ve tanıyı güçleştirmektedir. Literatürde çölyak serolojik testlerinin tanısal doğruluğunu inceleyen geleneksel meta analiz çalışmaları olmasına rağmen, çölyak hastalığı ile bağışıklık sistemi arasındaki ilişkiyi makine öğrenmesi algoritmaları kullanarak değerlendiren bir çalışmaya rastlanmamıştır. Bu tezin amacı, hastalığın immün göstergelerinden biri olan otoantikorların ölçümünde kullanılan serolojik testlerin tanısal doğruluk parametrelerini makine öğrenmesi algoritmalarıyla tahmin eden farklı bir meta analiz yaklaşımı geliştirmektir. Bu amaçla, anti-gliadin antikoru (AGA), anti-endomisyum antikoru ve anti doku transglutaminaz antikoruna ait veri setlerine karar ağaçları, rastgele orman, gradyan artırma ('gradient boosting') ve naive Bayes sınıflandırması olmak üzere dört farklı makine öğrenmesi algoritması uygulanmıştır. Çölyak tanısında kullanılan immünolojik testlerin duyarlılık parametrelerini en başarılı tahmin eden makine öğrenme algoritmasının, %88.7 doğrulukla karar ağaçları algoritması olduğu bulunmuştur. Bu algoritma ile tahmin edilen tanısal doğruluk parametrelerinin serolojik testlerin standardizasyonuna katkı sağlayacağı, ayrıca epidemiyolojik çalışmalarda ve meta analizlerde eksik verileri tolere edebileceği düşünülmektedir.