Medikal görüntülerde makine öğrenimiyle sağ kalım analizi

Belirli bir olay meydana gelene kadar geçen süreyi inceleyen sağ kalım analizi mühendislik ve sosyal bilimler gibi birçok alanda yaygın olarak kullanılsa da özellikle hastalık prognozu, tedavi etkinliği ve risk faktörlerinin belirlenmesinde önemlidir. Bu tez çalışmasında sağ kalım analizinin temel kavramları, analizde yaygın olarak kullanılan yöntemlerin taksonomisi ve kullanılan araçlar detaylı bir şekilde ele alınmıştır. 2020-2024 yılları arasında yapay zekâ teknikleri kullanılarak akciğer kanseri genel sağ kalımı üzerine yapılan çalışmalar sistematik bir şekilde incelenerek sağ kalım analizi konusunda çalışacak araştırmacıların araştırma süreçlerini desteklemek amacıyla özel olarak tasarlanmış bir GPT aracı sunulmuştur. Bunun yanında, hastada tümör içeren dilim sayısının hesaba katıldığı ve sağ kalım sınıflandırma başarısına katkısı gösterilen GTV1-SliceNum adı verilen yeni bir öznitelik önerilmiştir. Ayrıca, yanlış negatifleri ve yanlış pozitifleri cezalandıran ve sınıflandırma performansı üzerindeki etkisi halka açık kanser veri tabanları kullanılarak doğrulanan yeni bir kayıp fonksiyonu olan PEN-BCE geliştirilmiştir. Son olarak, farklı veri türleri üzerinde sağ kalım analizi problemi çeşitli yaklaşımlarla ele alınmış ve ablasyon çalışmalarıyla performans değerlendirmeleri kapsamlı bir şekilde analiz edilmiştir. Deneysel sonuçlar, önerilen GTV1-SliceNum özniteliği ve PEN-BCE kayıp fonksiyonunun, mevcut yöntemlere kıyasla anlamlı performans artışları sağladığını göstermiştir. Bu çalışma, sağ kalım analizi problemlerinde hem teorik hem de pratik açıdan yenilikçi bir katkı sunmakta ve tıbbi karar destek sistemleriyle bütünleştirilebilecek potansiyel yaklaşımlar önermektedir.