Meme kanseri tedavisinde risk belirleme ve hastane seçimi için kaba kübik sezgisellikli bulanık yumuşak ilişki çerçevesi

Doğru hastanenin seçilmesinin neden bu kadar zor olabileceği

Bir kişi meme kanseriyle karşı karşıya olduğunda, doktorlar tümü belirsiz olan birçok ipucunu tartmak zorundadır: tümör boyutu, görüntüleme bulguları, lenf düğümü durumu, aile öyküsü ve daha fazlası. Bu bilgi parçalarının hiçbiri mükemmel şekilde net değildir ve uzmanlar tereddüt edebilir veya anlaşamayabilir. Bu makale, bu belirsizliği yönetmek üzere tasarlanmış yeni bir matematiksel karar aracını sunar; klinisyenlerin daha yüksek riskli hastaları belirlemelerine ve mevcut bilineni, kuşkuyu ve aradaki durumu dürüstçe yansıtarak en uygun hastaneye eşleştirmelerine yardımcı olur.

“Evet”, “hayır” ve “emin değil”in birçok tonu

Geleneksel karar modelleri genellikle bilgiyi ya doğru ya yanlış olarak ya da en iyi ihtimalle 0 ile 1 arasında tek bir bulanık ölçek üzerinde ele alır. Oysa gerçek tıbbi veriler daha zengin ve karmaşıktır. Bir test sonucu bir tanıyı kısmen destekleyebilir, kısmen çürütebilir ve yine de belirsizlik bırakabilir. Bu çalışmadaki çerçeve aynı anda dört boyutu takip eder: kanıtın bir önermeyi ne kadar güçlü desteklediği (üyelik), ne kadar güçlü karşı çıktığı (üyelik-dışı), gerçekte ne kadar tereddüt kaldığı ve bu değerlerin ne kadar geniş bir aralığa yayılabileceği. Tüm belirsizliği tek bir sayıya sıkıştırmak yerine, inanç derecesini ve yayılımını yakalayan küçük bir veri “küpü” olarak temsil eder.

Hastaları, test sonuçlarını ve hastaneleri birbirine bağlamak

Bu çok katmanlı belirsizlik tanımının üzerine yazarlar başka bir bileşen ekler: yumuşak ilişkiler. Bunlar farklı nesne kümeleri arasında esnek bağlardır—örneğin hastalar ile tanısal faktörler veya tanısal faktörler ile hastaneler arasında. Her bağlantı zayıf veya güçlü olabilir ve farklı ortamlarda ya da uzmanlar arasında değişebilir. Bu bağlantıları kübik belirsizlik küpleriyle birleştirerek model, riskin alt ve üst “yaklaşımlarını” oluşturabilir: kesinlikle yüksek riskli olanların muhafazakâr bir tahmini ve mevcut kuşkular göz önüne alındığında yüksek riskli olabilecekleri içeren daha geniş bir sınır.

Meme kanseri riski ve hastane seçimine odaklanmak

Bu yaklaşımın pratikte nasıl çalıştığını göstermek için yazarlar beş varsayımsal meme kanseri hastasını ve dört klinik açıdan önemli faktörü içeren bir örnek vaka oluşturur: tümör boyutu, görüntülerde tümör şeklinin bir biçimde olması, lenf düğümü durumu ve aile öyküsü. Uzmanlar her hasta–faktör çifti hakkında yeni belirsizlik küpleri kullanarak görüşlerini ifade eder. Çerçeve daha sonra bu bilgiyi hastaları hastanelere bağlayan yumuşak ilişkiler aracılığıyla yayar ve hem kanıtı hem de tereddüdü yansıtan skorlar hesaplar. Örnekte, bir hasta şu anki en yüksek risk düzeyine açıkça sahip olarak öne çıkar; aile öyküsü ise olası gelecek gelişmeler açısından tek başına en etkili faktör olarak göze çarpar.

Eski karar araçlarından daha iyi performans

Ekip yaklaşımlarını ayrı ayrı kullanılan bulanık kümeler, sezgisel bulanık kümeler ve kaba kümeler gibi yerleşik birkaç yöntemle karşılaştırır. Bu önceki araçlar ya kısmi doğruluğu ölçebilir ya da net sınırlar çizebilir, ancak örtüşen belirsizlikleri, aralıkları ve uzman tereddüdünü birleşik bir şekilde ele almakta zorlanırlar. Aynı veriler kullanıldığında yeni çerçeve, yüksek ve düşük risk grupları arasında daha sıkı sınırlar üretir; bu da kararların belirsiz olduğu daha az “gri bölge” anlamına gelir. Nicel testler yöntemlerinin daha net, daha kararlı yaklaşımlar gösteren daha yüksek kümülatif skorlar verdiğini ortaya koyarken, nitel analizler bunun karmaşık, çok ölçütlü seçimler için daha yorumlanabilir olduğunu öne sürer.

Meme kanserinden daha geniş gerçek dünya kararlara

Makalede meme kanseri riski ve hastane seçimi üzerinde durulmasına rağmen yazarlar çerçevenin verilerin eksik, çelişkili veya belirsiz olduğu her durumda genel bir karar motoru olduğunu vurgular. Çevre politikası, finansal risk değerlendirmesi, mühendislik tasarımı ve birden çok uzmanın yer aldığı grup karar verme gibi uygulamalar mümkündür. Uzman olmayanlar için ana mesaj, belirsizliğin daha iyi matematiksel ele alınmasının daha şeffaf ve savunulabilir seçimleri destekleyebileceğidir: hangi hastaların en güvende, hangilerinin en yüksek riskte olduğunu ve bu tespitlerde ne kadar güvenilmesi gerektiğini tek bir basitleştirilmiş skorun ardına saklamadan açıkça göstermektir.

Atıf: Bashir, S., Shabir, M., Bibi, A. et al. Rough cubic intuitionistic fuzzy soft relation framework for risk identification and hospital selection in breast cancer treatment. Sci Rep 16, 9141 (2026). https://doi.org/10.1038/s41598-026-35732-x

Anahtar kelimeler: meme kanseri riski, tıbbi karar destek, belirsizlik modelleme, hastane seçimi, bulanık-kaba kümeler