Türk Osas Hastalarında Cpap Değerini Etkileyen Polisomnografik Özelliklerin Belirlenmesi ve Optimum Cpap Değerinin Yapay Zekâ İle Tahmini

Abstract

Bu projede, uyku kliniğine başvuran hastaların tedavisi için optimum CPAP seviyesinin tahmin edilmesi ve bu seviyeyi en çok etkileyen özelliklerin tanımlanması hedeflenmiştir. Günümüze kadar yapılan çalışmalarda, klinik ortamlarda kullanılmasına rağmen CPAP seviyesi belirlenecek hastaların polisomnografi (PSG) kayıtlarına (fizyolojik sinyaller ve apneik ataklar) ilişkin özelliklerin, optimum basınç bulma sürecinde değerlendirmeye alınmadığı görülmüştür. Bu nedenle, proje kapsamında literatürde kullanılan özelliklerin yanı sıra uzman görüşlerine dayalı PSG sinyal ve apneik atak özellikleri dikkate alınmıştır. CPAP terapisi ile tedavi edilmesi gerekli olan hastaların belirlenmesinin ardından, bu hastalara ait optimum seviyelerin tahmin edilebilmesi amacıyla doğrusal regresyon analizleri ve yapay zeka yöntemleri ile CPAP tahmin modelleri geliştirilmiştir. Ayrıca, bu proje kapsamında literatürden farklı olarak, uyku evreleme işlemi projeye dahil edilmiştir. Son olarak, geliştirilen tahmin yönteminin uyku uzmanları tarafından laboratuvarlarda denenmesi için titrasyonu yapılmamış 3 hastanın CPAP değerleri tahmin edilerek bu basınç ile hastaların tedavisi klinik olarak test edilmiştir. Yapılan denemeler, farklı fonksiyonlara sahip SVM?in, tahmin işleminde en başarılı algoritma olduğunu göstermiştir. Oluşturulan 30 modelin test sonuçlarına göre, proje çalışması kapsamında geliştirilen 19 model, tahmin edilen CPAP seviyeleri ve uyku laboratuvarında uzmanlar tarafından titrasyon işlemiyle belirlenen referans optimum CPAP seviyeleri arasında yüksek ilişki ortaya koymuştur. Test başarılarına göre 6 modelin ise tahmin edilen ve referans optimum CPAP seviyeleri arasındaki ilişkileri çok yüksek olarak tanımlamıştır. Ayrıca bu proje, elde edilen bulgularla, fiziksel ve demografik özelliklere ek olarak hava akımı ve oksimetri sinyallerinin ve OSAS hastalarının geçirmiş oldukları apneik ataklarla ilişkili karakteristik özellikler ve desaturasyon özelliklerinin optimum basınçlar üzerinde büyük etkileri olduğunu ortaya koymuştur. Uyku evrelemede EEG, EOG ve EMG ile %95.06 ve sadece EEG ile %69 başarıya ulaşılmıştır. Bu sonuçlar, geliştirilen sistemin uyku uzmanlarına destek olabileceğinin önemli bir göstergesidir.