Makine öğrenmesi yöntemleri ile orofaringeal skuamöz hücrelikarsinomlu hastalarda insan papilloma virüsü (HPV) statüsün tahmini

Baş ve Boyun Skuamöz Hücreli Karsinomları'nda(HNSCC) tedavi planlaması ve klinik karar verme süreçlerinde, HPV statüsünün doğru bir şekilde saptanması büyük bir önem taşımaktadır. Özellikle orofaringeal karsinomlarda HPV statüsü hastalık evresini değiştirmektedir. HPV statüsü belirlemede birçok laboratuvar test kullanılmaktadır. Bu testlerin hepsi maliyeti yüksektir ve sonuç vermesi için süre gereklidir. HPV statüsünü belirlemede biyopsi örneğinden E6/E7 saptanması altın standarttır ancak günümüzde bu uygulama pratik değildir ve DNA polimer zincir reaksiyonları (PCR) kullanılmasının sensivitesi duyarlığı yüksek özgüllüğü düşüktür. İyileştirilmiş prognoz ve tedaviye yanıtla ilişkili olan HPV ilişkili HNSCC vakaları, kişiselleştirilmiş tedavi yaklaşımlarının uygulanmasını gerektirir. Agresif cerrahi yaklaşımların sağladığı onkolojik kontrol ile bu yöntemlerin potansiyel yüksek morbidite risklerinin dengelenmesi, hekimler için zorlu bir karar noktasıdır. Bu tez çalışmasında, HPV durumunu tahmin etmeye yönelik bir yapay zekâ yaklaşımı sunulmuştur. Çalışma kapsamında, düzensiz ve eksik veriler içeren sınırlı sayıdaki hasta kaydı üzerinden CatBoost, LightGBM ve XGBoost gibi eksik veriye toleranslı modern makine öğrenmesi algoritmaları değerlendirilmiştir. Ayrıca, model performansını iyileştirmek amacıyla genetik algoritma tabanlı hiperparametre optimizasyonu uygulanmıştır. Elde edilen bulgular, veri yapısındaki sınırlılıklara rağmen, önerilen yapay zekâ temelli modellerin HPV statüsünü tahmin etmede kullanılabilir potansiyele sahip olduğunu göstermektedir. Bu çalışma, onkoloji alanında yapay zekânın karar destek sistemlerine entegrasyonunun mümkün olduğunu ve ileri düzeyde geliştirilecek uygulamaların hasta bakım süreçlerine katkı sağlayabileceğini ortaya koymaktadır.