Ferhat DEMİRCİ, Murat AKŞİT, İlkay AKBULUT, Aylin DEMİRCİ
Mediterranean Journal of Infection Microbes and Antimicrobials - 2026;15(1):17-33
Giriş: İdrar yolu enfeksiyonları sık karşılaşılan bir tanı sorunudur. Altın standart olan idrar kültürü, hem zaman alıcıdır hem de çoğu zaman gereksiz yere istenir. Bu çalışmada, yalnızca yapılandırılmış laboratuvar verilerini kullanarak reflektif idrar kültürü istemine rehberlik edecek, yorumlanabilir bir makine öğrenimi (ML) tabanlı Laboratuvar Karar Destek Sistemi (LKDS) geliştirilmesi ve doğrulanması amaçlandı. Gereç ve Yöntem: Retrospektif olarak 51.923 erişkin hastaya ait veriler incelendi. Yedi ML algoritması eğitildi; en yüksek doğruluk Rastgele Orman (Random Forest, RF) modelinde elde edildi. Model şeffaflığı için SHapley Additive exPlanations kullanıldı. En iyi 10 özellikten oluşan sadeleştirilmiş RF modeliyle üç farklı puanlama sistemi geliştirildi: Model doğruluğuna öncelik veren, tanısal dengeyi optimize eden ve hassasiyeti en üst düzeye çıkaran modeller. Bulgular: RF modeli mükemmel performans gösterdi (harici testler - alıcı işletim karakteristiği eğrisi altında kalan alan [ROC-AUC]: 0,956). Basitleştirilmiş 10 değişkenli model yüksek doğruluğu korumuştur (ROC-AUC: 0,947). Temel öngörücüler arasında bakteri sayısı, lökositler, nitrit ve yaş yer almıştır. Skorlama sistemleri, farklı tanı hedeflerine göre uyarlanmış esnek seçenekler sunmuş ve SAFE-Skoru %95,3 hassasiyete ulaşmıştır. Sonuç: Geliştirilen LKDS, gereksiz kültür sayısını azaltarak rasyonel antibiyotik kullanımını desteklemektedir. Açıklanabilir yapısı, laboratuvar profesyonelleriyle klinisyenler arasındaki iş birliğini kolaylaştırarak standartlaştırılmış reflektif test süreçlerine ve disiplinler arası karar vermeye katkı sağlar.
