Üriner sistem taş hastalığının cerrahi tedavisinde başarıyı ve komplikasyonları öngörmede yapay zekâ uygulamalarının kullanımı

Amaç: Bu çalışmada üriner sistem taş hastalığı nedeniyle üreterorenoskopi, retrograd intrarenal cerrahi ve perkütan nefrolitotomi yapılan hastaların tedavi başarısını ve komplikasyonları ön görmek için açıklanabilir yapay zekâ yöntemlerini kullanmayı hedefledik. Materyal ve Metod: Bu çalışma Adıyaman Üniversitesi Girişimsel Olmayan Klinik Araştırmalar Etik Kurulu (2022/3-15) tarafından onaylandı. Adıyaman Üniversitesi Tıp Fakültesi Eğitim ve Araştırma Hastanesi Üroloji Kliniğinde Ocak 2018 – Ocak 2022 yılları arasında ÜSTH (böbrek ve üreter taşı) nedeniyle URS, RİRC ve PNL girişimi uygulanan 917 hastanın operasyon öncesi, esnası ve sonrası değişkenleri retrospektif olarak değerlendirildi. Hastalar uygulanan cerrahi tipine göre 3 ayrı gruba ayrıldı. Her bir grup için ayrı ayrı kaydedilmiş öznitelikler hem başarıyı tahmin etmek hem de komplikasyon gelişimini tahmin etmek için farklı sınıflandırma algoritmaları ile sınıflandırıldı. Model performans metriği olarak karışıklık matrisi kullanıldı. Modelin açıklanabilmesi için LIME ve SHAP algoritmaları kullanıldı. Veri kümeleri; Hold-out ve 10 katlı çapraz doğrulama yöntemleri kullanılarak sınıflandırıcı modeller oluşturuldu. Veri kümesindeki dengesizliği çözmek için SMOTE algoritması kullanıldı. Bulgular: PNL hastalarında başarıyı tahmin etmede en yüksek doğruluk oranına XGBoost (%89,13), komplikasyon gelimini ön görmede ise Rastgele Orman (%93,81) algoritması ulaşmıştır. LIME algoritması bir hastanın ameliyatının başarılı ya da başarısız geçme ihtimalini ve komplikasyon gelişip gelişmeyeceği ihtimalini hesaplamıştır. LIME ve SHAP algoritmalarına göre; yüksek taş boyutu, yüksek hidronefroz derecesi, erkek cinsiyet, yüksek taş cilt mesafesi başarısızlığa katkı sağlar. Yüksek ortalama trombosit hacmi değerleri ise başarıya katkı sağlar. Aynı algoritmalara göre; taşın pelvis lokalizasyonu, yüksek hounsfield unit değeri, yüksek taş boyutu, düşük lökosit değerleri ve yüksek nötrofil değerleri komplikasyon gelişme ihtimalini arttırır. URS hastalarında başarıyı tahmin etmede en yüksek doğruluk oranına Multi Layer Perceptron (%85,09), komplikasyon gelişimini tahmin etmede ise Rastgele Orman (%96,35) algoritması ulaşmıştır. LIME algoritması bir hastanın ameliyatının XV başarılı ya da başarısız geçme ihtimalini ve komplikasyon gelişip gelişmeyeceği ihtimalini hesaplamıştır. LIME ve SHAP algoritmalarına göre; proksimal üreter lokalizasyonu başarıyı azaltırken, düşük ortalama trombosit hacmi değerleri ve erkek cinsiyette başarı artar. Yüksek nötrofil/lenfosit oranı ve 0,2-0,35 arasındaki monosit/lenfosit oranı değerlerinde komplikasyon ihtimali artarken, distal üreter lokalizasyonu komplikasyon ihtimalini azaltır. RİRC hastalarında başarıyı tahmin etmede en yüksek doğruluk oranına Multi Layer Perceptron (%91,17), komplikasyon gelişimini ön görmede ise Multi Layer Perceptron ve Rastgele Orman (%97,67) algoritmaları ulaşmıştır. LIME algoritması bir hastanın ameliyatının başarılı ya da başarısız geçme ihtimalini ve komplikasyon gelişip gelişmeyeceği ihtimalini hesaplamıştır. LIME ve SHAP algoritmalarına göre; nitrit pozitifliği, taşın üst kaliks ve üreteropelvik bileşke lokalizasyonu, yüksek taş boyutu, yüksek eritrosit dağılım genişliği ve yüksek monosit sayısı başarıyı olumsuz etkileyen faktörlerdir. Operasyon öncesi idrar kültüründe nadir görülen mikroorganizmaların üremesi, operasyon öncesi ateş yüksekliği, yüksek hidronefroz derecesi ve yüksek monosit sayısı komplikasyon gelişme ihtimalini arttırmaktadır. Sonuç: Üriner sistem taş hastalığında başarıya ve komplikasyonlara etki eden faktörlerle ilgili çalışmalar eksiktir. Yapay zekânın bu anlamda kullanılması bu faktörleri daha fazla netleştirmemizi, başarı ve komplikasyon gelişimini önceden tahmin etmemizi ve böylece hastaya ameliyatı ile ilgili daha etkin bilgilendirme yapabilmemizi sağlar. Anahtar Kelimeler: üriner sistem taş hastalığı, yapay zekâ, başarı tahmini, komplikasyon gelişimi tahmini