PEDURO 2026 16. National Pediatric Urology Congress

Kaan Kemal Polat ¹, Hülya Acar ¹, Narmina Khanmammadova ², Ebru Yeşildağ ², Birol Aslanyürek ¹, Emrah Aydın ²

¹ Yıldız Technical University, Department of Mathematical Engineering
² Department of Pediatric Surgery, Tekirdağ Namık Kemal University School of Medicine, Tekirdağ, Turkey

Kaan Kemal Polat ¹, Hülya Acar ¹, Narmina Khanmammadova ², Ebru Yeşildağ ², Birol Aslanyürek ¹, Emrah Aydın ²

¹ Yıldız Teknik Üniversitesi, Matematik Mühendisliği Bölümü
² Pediatrik Cerrahi Anabilim Dalı, Tekirdağ Namık Kemal Üniversitesi Tıp Fakültesi, Tekirdağ, Türkiye

Amaç

Erkek genital sisteminin yaygın bir konjenital anomalisi olan hipospadias, üretra ağzının penisin ventral tarafında ektopik yerleşimi ile karakterizedir. Yaklaşık her 300 erkek doğumundan 1’ini etkileyen bu durum, inmemiş testisten sonra erkek çocuklarda en sık görülen ikinci konjenital bozukluktur. Cerrahi yöntemlerdeki ilerlemelere rağmen, hipospadiasın temelinde yatan inflamatuar mekanizmalar henüz tam olarak anlaşılamamıştır. Bu çalışma, tam kan sayımı (CBC) parametrelerinden elde edilen inflamatuar belirteçlerin tanısal potansiyellerini değerlendirmeyi amaçlamaktadır. Literatürdeki “kara kutu” yapay zeka modellerinin aksine, açıklanabilir yapay zeka prensipleriyle hekimlerin günlük uygulamada kullanabileceği klinik eşik değerlerinin keşfedilmesini hedeflemektedir.

Yöntem

Retrospektif tasarımlı bu çalışmada 775 hipospadias hastası ve 146 sünnet kontrol grubundan hemogram verileri kullanılmıştır. Veriler MATLAB ortamında 30’dan fazla gözetimli makine öğrenmesi algoritması ile analiz edilmiştir. Sınıf dengesizliği özel bir maliyet matrisi ile giderilmiş ve modelin genellenebilirliği 10 katlı çapraz doğrulama ile test edilmiştir.

Bulgular

En yüksek performansı Medium Gaussian SVM, Optimizable Tree ve Coarse Tree modelleri göstermiştir. En başarılı model olan Medium Gaussian SVM: %90,2 doğruluk, %91,7 duyarlılık ve 0,94 Eğri Altında Kalan Alan (AUC) değerine ulaşmıştır. Açıklanabilirlik odaklı özellik analizi sunan Optimizable Tree modeli (%90,2 doğruluk, 0,93 AUC) sınıflandırma yaparken Ortalama Trombosit Hacmi (MPV) ve Trombosit Dağılım Genişliği (PDW) eşiklerini birincil karar düğümleri olarak tanımlamıştır. Model, MPV (<7,85 veya ≥7,85) ve PDW (<3,85; ≥3,85 ve <10,15; ≥10,15) kombinasyonlarıyla vakaları yüksek hassasiyetle ayırt etmiştir.

Sonuç

CBC parametreleri hipospadias hastalarında inflamatuar süreçleri etkili bir şekilde ayırt edebilmektedir. Yapay zeka ve makine öğrenmesi algoritmalarının sadece bir sınıflandırma aracı olarak değil, hastalıkların patofizyolojisini aydınlatan bir keşif aracı olarak kullanılabileceği gösterilmiştir. Özellikle karar ağaçları üzerinden elde edilen MPV ve PDW eşik değerleri, trombosit morfolojisinin ve ilişkili inflamasyonun algoritmik sınıflandırmada faydalı bir özellik olabileceğini göstermektedir. Elde edilen bu veri odaklı karar eşikleri, gelecekte pediatrik ürolojide kişiselleştirilmiş cerrahi planlama ve risk analizi için bir klinik temel sunmaktadır.