Dış Kaynaklı Proje Süreçleri Yönetim Sistemi
Tan Ç. (Danışman (Yürütücü Gerçek Kişi Olan Projede)), Aykanlı E.
Frailty (kırılganlık), yaşlı bireylerde immün sistem de dâhil olmak üzere birçok fizyolojik sistemde yaşlanmayla
ortaya çıkan işlevsel azalmanın klinik bir yansımasıdır ve Fried Fenotipine göre üç kategoriye (non-frail, pre-frail,
frail) ayrılır. Mevcut literatürde immün hücre alt popülasyonlarının flow sitometri verileriyle analizi ve bu verilerin
makine öğrenimi algoritmalarıyla frailty tahmini için modellenmesine yönelik bir çalışmaya rastlanmamıştır. Bu
proje, Flow Sitometri Verilerine Dayalı Yapay Zeka Destekli İmmünolojik Frailty İndeks Modelinin geliştirilmesini
amaçlayarak bu alandaki özgün bir eksikliği gidermeyi hedeflemektedir.
Yöntem: Çalışma, Erciyes Üniversitesi Tıp Fakültesi Geriatri Polikliniği'nde takip edilen 65 yaş ve üzeri gönüllü
bireylerden daha önce elde edilmiş flow sitometri verileri kullanılarak gözlemsel ve analitik bir tasarımla
yürütülecektir. Toplam 134 olgunun immün hücre alt tipleri (CD3⁺, CD4⁺, CD8⁺ vb.) bağımsız değişken olarak ve
Fried Fenotipine göre sınıflandırılmış Frailty Durumu (0, 1, 2) bağımlı değişken olarak kullanılacaktır. Veriler ön
işlemden geçirilip %80 eğitim ve %20 test setlerine ayrıldıktan sonra, Logistic Regression, Random Forest ve
Support Vector Machine gibi makine öğrenimi algoritmaları karşılaştırılacaktır. Başarı ölçütü olarak AUC > 0.80
elde edilmesi belirlenmiştir.