ST-Segment Yükselmeli Miyokard Enfarktüsü Geçiren Hastalarda Primer Perkütan Koroner Girişim Sonrası Yeniden Akım Yokluğunun Tahmin Edilmesinde HALP Skoru ve Hematolojik Parametrelerin Faydasının Yapay Zeka Yöntemi ile Değerlendirilmesi

Artificial Intelligence and HALP Score No-Reflow After PCI

Özet

Amaç: Akut Miyokard İnfarktüsü (AMI), dünya genelinde önde gelen ölüm nedenidir ve ST-segment elevasyonlu Miyokard İnfarktüsü (STEMI), akut myokard infartüsünün alt tipidir. Bu çalışma, STEMI hastalarında "yeniden akış olmaması" fenomeni bağlamında hematolojik parametrelerin ve HALP skorunun öngörücü faydasına ilişkin literatürdeki boşluğu doldurmayı amaçlamaktadır. Bu amaçla makine öğrenimi teknikleri, özellikle XGBoost kullanılır. Açıklanabilir Yapay Zeka (XAI) metodolojileri kullanılarak Primer Perkütan Koroner Müdahale (PPCI) uygulanan STEMI hastalarında "yeniden akış olmaması" fenomeninin öngörülmesinde hematolojik parametrelerin ve HALP skorunun öngörücü etkinliğini değerlendirmektir.

Materiyal ve Metod: Ocak 2020 ile Eylül 2023 arasında PPCI uygulanan 232 STEMI hastasını içeren retrospektif bir gözlem tasarımı kullanıldı. Daha sonra kohort, yeniden akış olmaması fenomeninin varlığına veya yokluğuna dayalı olarak iki alt gruba ayrıldı. Demografik değişkenler, MI lokasyonları ve hematolojik parametrelere ilişkin veriler toplandı. HALP puanı hesaplandı ve XGBoost makine öğrenimi modelleri geliştirilip değerlendirildi.

Bulgular: 'NORMAL YENİDEN AKIŞ' ve 'YENİ AKIŞ OLMAMASI' kategorileri arasında beyaz kan hücresi sayısı (WBC), monosit (MO), nötrofil (NEU), trombosit (PLT), albümin (ALB) ve MPV/LY oranında (MPVLR) istatistiksel olarak anlamlı farklılıklar gözlendi.. XGBoost modeli, eğitim setinde iyi bir performans gösterdi ancak test setinde hassasiyet konusunda sınırlamalar vardı.

Sonuçlar: Bu çalışmada, yapay zeka analizlerine göre, yeniden akış olmamasını öngörmede en önemli hematolojik parametre MPVLR idi. Ancak bu çalışmada HALP skorunun yeniden akış olmamasını öngörmede etkili olmadığı görüldü. Çalışma, STEMI hastalarında yeniden akış sonuçlarının öngörücü faktörleri hakkında değerli bilgiler sağlıyor. Makine öğrenimi modelleri umut verici olsa da, tahmin güçlerini geliştirmek için daha fazla araştırma ve model ayarlamasına
ihtiyaç vardır.