Tiroit kanseri hastalık tanısında lojistik regresyon kullanımı

Abstract

Tiroit kanseri, 2020'de elde edilen sonuçlara göre tüm kanserlerin küresel insidansının %3'üne karşılık gelmektedir. Bazı yüksek ve orta gelirli ülkelerde tiroit kanseri insidansı son 30 yılda önemli ölçüde artmıştır. Tiroit nodülü, tiroit bezinin içinde kendisini çevreleyen tiroit parankiminden radyolojik olarak ayırt edilebilen bir lezyondur. Erişkinlerin yaklaşık %60'ında bir veya daha fazla tiroit nodülü bulunur. Tiroitte kanser olasılığı önemli endişe kaynağıdır. Tiroit nodüllerine yaklaşımda fizik muayene, anomnezi, serum tiroit fonksiyon testleri, ultrasonografi (USG) kullanılır. USG saptanan nodüller 1 cm’den büyük ve malignite açısından kuşkuluysa ince iğne aspirasyon (İİA) biyopsisi kullanılır ve değerlendirmeler yapılır. İyi huylu İİA sonuçları gereksiz tiroit ameliyatlarının önlenmesine yardımcı olur. Malign hücreler tespit edilirse, İİA sonucu cerrahi stratejinin elde edilmesinde belirleyici bir faktördür. Buna rağmen cerrahlar malign potansiyeline ilişkin belirsizlik nedeniyle çok yüksek oranda benign tiroit dokusu rezeke etmektedir. Bu nedenle daha doğru sonuçlar veren non-invaziv tekniklere ihtiyaç duyulmaktadır. Bu çalışmanın amacı, tiroit dokusu çok fazla rezeke edilmeden önce, önceki hasta verileri üzerinden Makine öğrenmesi metotları kullanılarak tanının kesine yakın elde edilmesidir. Bu çalışma ile hastaların kan testlerini, USG, IIA biyopsisi sonuçlarını kullanarak nodülün malignitesini tahmin eden bir model üzerinde çalıştık. Model için kullanılan eldeki hasta verileri ameliyat sonrası kesin sonuçları içermekte ve sonuçlar binominal veri olarak gösterilmektedir. Tiroit kanseri olma olasılığı için en iyi tahmin sonucunu %99,31 olasılık ile makine öğrenmesi metotlarından biri olan Lojistik regresyon tekniği vermiştir.