Atıf Sayısı
3
Görüntüleme
17
İndirme
3
Tüp bebek tedavisi başarı olasılığının henüz tedavi başlamadan belirlenmesi hastalar ve klinisyenler açısından önem taşımaktadır. Yapay zeka tabanlı klinik karar destek sistemleri, geçmiş tedavi verilerini analiz ederek yeni tedavilerde gebelik sonucunun tahmin edilmesine olanak sağlar. Bu çalışmada, tüp bebek tedavisine başlayacak hastaya ait öznitelikler kullanılarak pozitif gebelik olasılığını hesaplayan bir model geliştirilmiştir. Çalışmada kullanılan veri kümesi Yeditepe Üniversitesi Hastanesi Tüp Bebek Kliniği’nde 2013-2019 yılları arasında gerçekleştirilen 1154 adet tedavi siklusuna ait elektronik sağlık kayıtlarından oluşmaktadır. Veri kümesi üzerinde beş farklı sınıflandırma yöntemi (Destek Vektör Makineleri, Çok Katmanlı Algılayıcı, Rastgele Orman, Aşırı Gradyan Artırma ve Hafif Gradyan Artırma) 5-katlı çapraz doğrulama yöntemi kullanılarak karşılaştırmalı olarak incelenmiştir. Gebelik sonucu tahmininde en yüksek sınıflandırma performansı Destek Vektör Makineleri yöntemi ile elde edilmiş (AUC=0.70) ve sınıflandırma olasılık sonuçlarında karar eşik değerinin optimizasyonu ile tahmin doğruluğu daha da iyileştirilerek gebelik sonucunun %71.7 Doğru Pozitif ve %59.4 Doğru Negatif oranı ile tahmin edilmesi sağlanmıştır.
The determination of the probability of success in tubular baby treatment before the treatment is important for patients and clinics. Artificial intelligence-based clinical decision support systems allow for the prognosis of the result of pregnancy in new treatments by analyzing past treatment data. In this study, a model was developed that calculated the probability of positive pregnancy using the properties of the patient to start tubal baby treatment. The data set used in the study consists of electronic health records of 1154 treatment cycles conducted between 2013-2019 in the University Hospital of Yeditepe Tube Baby Clinic. Five different classification methods on the data set (support vector machines, multi-layer detector, random forest, excess gradient increase and light gradient increase) have been compared using the 5-layer cross-confirmation method. The highest classification performance in the pregnancy outcome forecast was obtained by the support vector machines method (AUC=0.70) and the optimization of the decision limit value in the classification probability results and the accuracy of the forecast was further improved and the pregnancy outcome was estimated with a 71.7% correct positive and 59.4% correct negative ratio.
Alan : Mühendislik
Dergi Türü : Ulusal
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
