İdrar yolu enfeksiyonu geçiren çocuklarda başvuru şikayetlerinin yapay zeka verisi olma yeterliliğinin değerlendirilmesi.

Amaç: İdrar yolu enfeksiyonu (İYE), çocukluk çağında önemli bir klinik problemdir. Yeterli tedavi edilmediğinde kronik böbrek hastalığına, erken yaşta hipertansiyon ve proteinüriye hatta son dönem böbrek yetmezliğine neden olur. İdrar yoluenfeksiyonunun erken tanısı ve tedavisi, renal hasar ve bu hasarın meydana getirdiği sonuçları engellemek için oldukça önemlidir. Yapay zekâ; kavrama, nedenselleme ve uygulamayı mümkün kılan hesaplamalar bütünüdür. Yapay zekâ hayatımızın her alanında olduğu gibi, tıp alanında da karar verme ve değerlendirme alanlarında insan aklından daha güvenilirdir. Bu çalışmamızla, idrar kültürü gönderilen hastalar için anamnez verilerinin ve klinik verilerin toplanması, pozitif kültür ile ilişkilendirilen verilerin tespit edilmesi ve bu veriler ile makine öğrenmesi modelleri oluşturmayı ve ardından bu modellerinidrar yolu enfeksiyonu tanısında doğruluğunu test etmeyi amaçladık.Yöntem: S.B.Ü İzmir Dr. Behçet Uz Çocuk Hastalıkları ve Cerrahisi Eğitim ve Araştırma Hastanesi Çocuk Acil Servisine başvuran 5-18 yaş grubu idrar yolu enfeksiyonu düşünülerek idrar kültürü gönderilen 100 hasta, ileriye dönük olarak, Ocak 2022-Mart 2022 tarihleri arasında, çalışmaya dâhil edildi. Hastaların öykü ve klinik bulguları kaydedildi, kültür sonuçları takip edildi. Verilerin istatistiksel değerlendirilmesinde SPSS 24.0 Microsoft for Windows programı kullanıldı. Yapay zekâ uygulamaları için, MATLAB R2020b sürümü üzerinden yapay zekâ aracı olan Classification Learning tool kullanıldı. Bu çalışmada veri seçme işlemi rastgele olarak belirlenen geleneksel yöntem ve 3 & 5 kat çapraz katlama (3-Fold & 5-Fold Cross Validation) yöntemleri kullanılarak yapıldı.Bulgular: Çalışmaya katılan hastaların ortanca yaşı 10,0 yıldı (Çeyrekler Arası Aralık: 13,75-6,25) ve %94’ü kız, %6’sı erkekti. Hastaların TİT bulgularından yalnızca piyüri varlığı, idrar kültür pozitifliği ile ilişkili bulundu(p<0,05).Makine öğrenmesi sistemleri kullanılarak, İYE tanısı için 2 farklı veri seti ile modeller oluşturuldu: Fine Gaussian SVM, Fine KNN, Weighted KNN, Subspace KNN, RUSBoostedTrees ve Essemble algoritmaları,her iki ayrı veri grubunda da aynı olacak şekilde % 98 tahmin doğruluk oranına ulaştı.Tartışma ve Sonuç: İstatistik analizde, İYE ile ilgili olabilecek değişkenlerde anlamlılık, sadece piyüri varlığında tespit edildi. Diğer değişkenlerde istatistiksel anlamlı ilişki bulunamadı. Oysaki aynı değişkenler makine öğrenme sisteminde kullanıldığında tahmin oranı %98 bulundu. Bu veri ışığında, çalışmamızın sonucunda hastalığın tanı ve tedavisinde, komplikasyonların belirlenmesinde, engellenmesinde ve prognoz öngörmede, yapay zekâ uygulamaları ve makine öğrenmesi yöntemlerinin, büyük potansiyel içerdiği çıkarımına ulaşıldı. Bu yöntemler sayesinde, hastalıkların sağkalım oranları iyileştirilebilir, hastalara ve hastalıklara daha nesnel, kapsayıcı ve bütüncül bir yaklaşım sergilenebilir ve tedavilerde daha bireysel ve koruyucu sağlık hizmeti sunulabilir. Pediatrik Nefroloji alanında ve İYE tanısında öncülük edeceğini umduğumuz bu çalışma, ileri çalışmalarla %100 doğruluk oranına ulaşacak algoritmaların modellenmesinde temel oluşturacaktır.