Müge ERDEM ÇAĞI, Duygu SIDDIKOĞLU, Nilgün ARICI, Semra ÖZDEMİR, Ceren TUFAN, Ersen KARAKILIÇ
Ege Klinikleri Tıp Dergisi - 2026;64(1):76-83
Amaç: Hipotiroidi, toksik adenom (TA) hastalarında radyoaktif iyot (RAİ) tedavisi sonrasında sık görülen bir olumsuz sonuçtur. Bu çalışmanın amacı, RAİ sonrası hipotiroidi gelişiminin öngördürücülerini belirlemek ve makine öğrenmesi modellerini geleneksel istatistiksel yöntemlerle karşılaştırmaktır. Gereç ve Yöntemler: Bu retrospektif kohort çalışmada, 2014-2023 yılları arasında toksik adenom nedeniyle RAİ tedavisi uygulanmış 166 hasta analiz edildi. Hipotiroidi öngördürücülerini belirlemek amacıyla geleneksel istatistiksel yöntemler ve çok sayıda makine öğrenmesi modeli kullanıldı. Bulgular: Ortanca yaş 68 yıl olup, hastaların %61,4'ü kadındı ve ortanca takip süresi 21 aydı. Toksik adenom nedeniyle RAİ tedavisi uygulanan hastaların yaklaşık üçte birinde, çoğunlukla ilk yıl içinde olmak üzere hipotiroidi gelişti. Hipotiroidi gelişen hastalarda tiroid hacmi (17,6 mL), ötiroid (25,3 mL) ve persistan hipertiroidi gelişen hastalara (31,5 mL) kıyasla anlamlı derecede daha düşüktü (p<0,002). Lojistik regresyon analizinde, daha düşük tiroid hacmi (OR =1,876, p=0,073) ve daha yüksek TSH düzeyleri (OR =0,941, p=0,002) hipotiroidi gelişme riskinde artış ile ilişkili bulundu. Makine öğrenmesi modelleri arasında Naive Bayes en iyi genel performansı gösterirken, bunu Random Forest modeli izledi. Naive Bayes modelinde antitiroid ilaç kullanımı ve başlangıç TSH düzeyleri katkı sağlarken, Random Forest modelinde tiroid hacmi baskın belirleyici olarak öne çıktı. Sonuç: Tiroid hacmi ve başlangıç TSH düzeyleri, hem geleneksel istatistiksel yaklaşımlar hem de makine öğrenmesi yöntemleri kullanılarak yapılan analizlerde temel öngördürücüler olarak ortaya çıkmıştır. Makine öğrenmesi modelleri, RAİ sonrası hipotiroidi açısından daha yüksek risk taşıyan hastaların belirlenmesinde geleneksel istatistiksel yöntemleri tamamlayıcı nitelikte olabilir.
