Akciğer kanseri cerrahi uygulama ve sonuçlarının yapay zeka uygulamaları ile risk ve başarı tahmin analizi

Küçük hücreli dışı akciğer kanseri akciğer kanserleri arasında en sık görülen histopatolojik tiptir. KHDAK evrelemesinde 8.TNM evrelemesi kullanılmaktadır. Erken evre, rezektabl lokal ileri evre KHDAK grubunda cerrahi tedavi etkindir. Akciğer rezeksiyonu ve sistematik mediastinal lenf nodu disseksiyonu KHDAK cerrahisinin temelini oluşturur. Postoperatif dönemde pulmoner komplikasyonların görülmesi, yoğun bakım yatış ihtiyacının gelişmesi, hastanede kalış gün sayısının uzun olması morbidite, mortalite, hastane enfeksiyonları, maliyet, yatak devir hızı ve sosyal açılardan önemlidir. Yapay zeka uygulamaları sağlık hizmetleri ve hekimlik pratiğinde giderek artan sıklıkla yer edinmektedir. Temel kullanım alanları verilerin elektronik kaydı, depolanması, öğrenme ve öğretme pratikleri olmakla birlikte görüntü işleme prensibine dayalı olarak radyoloji, patoloji ve dermatoloji gibi alanlarda tanıya yardımcı algoritmaların kullanımı mevcuttur. Çalışmamızda KHDAK nedeni ile cerrahi rezeksiyon yapılan hastaların klinik verileri ile postoperatif süreçleri yapay zeka modellemeleri kullanarak tespit etmeyi hedefledik. Çalışmamızda KHDAK nedeni ile cerrahi rezeksiyon yapılan 953 hastanın preoperatif verileri değerlendirilerek postoperatif klinik süreçleri yapay zeka algoritmaları aracılığı ile yüksek doğruluk ve başarı değerleri ile tahmin edildi. Derin öğrenme algoritmaları ile postoperatif pulmoner komplikasyon gelişme durumu için test verisinin F1 ortalama değeri %86.4 idi. ROC eğrisinde eğri altında kalan alan %84 idi. Derin öğrenme algoritmaları ile postoperatif yoğun bakım yatış gerekliliği durumu için test verisinin F1 ortalama değeri %82.3 idi. ROC eğrisinde eğri altında kalan alan %83 idi. Derin öğrenme algoritmaları ile postoperatif 5 günden fazla hastanede kalış durumu için test verisinin F1 ortalama değeri %67.1 idi. ROC eğrisinde eğri altında kalan alan %83 idi. Derin öğrenme algoritmaları ile postoperatif 9 günden az hastanede kalış durumu için test verisinin F1 ortalama değeri %70.3 idi. ROC eğrisinde eğri altında kalan alan %82 idi. Derin öğrenme algoritmaları ile postoperatif hastanede kalış gün sayısı için test verisinin R değeri %68.2 idi. Yapay zeka algoritmaları kullanılarak KHDAK cerrahisi sonrası postoperatif klinik tahminler yüksek doğruluk ve başarı ile yapılabilmektedir ve gelecekte klinik pratiğimizde daha sıklıkla kullanılacaktır.