Acil serviste servikal, torakal ve lomber vertebra fraktürü şüphesi taşıyan hastaların bilgisayarlı tomografi görüntülerinin yapay zeka ile değerlendirilmesi
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: KÜBRA ÇALTEPE TÜRKMEN
Danışman: Mehmet Ali Karaca
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Çalışmada erişkin hastalarda önemli bir morbidite ve mortalite nedeni olan servikal, torakal ve lomber vertebra fraktürlerini bilgisayarlı tomografi (BT) görüntüleriyle acil serviste erken dönemde tanımak ve lokalizasyonunu doğru tespit etmek için yapay zeka ile oluşturulan bilgisayar destekli algoritma kullanıldı. Retrospektif gözlemsel metodolojik bir araştırma olarak yapılan çalışmada Hacettepe Üniversitesi Tıp Fakültesi Erişkin Acil Servis'e 1 Nisan 2019- 1 Nisan 2023 tarihleri arasında başvuran ve servikal, torakal, lomber vertebra fraktürü şüphesiyle bilgisayarlı tomografi ile tetkik edilen 1466 hastaya ait veriler analiz edildi. Hastaya ait görüntüler DİCOM formatında kaydedildikten sonra Python programlama diliyle yazılmış olan algoritma üzerinde standardize edilerek değerlendirildi. Tasarlanan yapay zeka algoritması tarafından hastaların bilgisayarlı tomografi görüntüleri fraktür varlığı ve yokluğu; fraktür varsa anatomik lokalizasyonu (C1-C7, T1-T12, L1-L5) açısından değerlendirildi. Çalışmaya dahil edilen hastaların %42,77'si (n=627) kadın, %57,23'ü (n=839) erkekti. Hastalarda median yaş 51,95 olarak saptandı. Radyolog yorumu altın standart olarak baz alındığında; servikal vertebra fraktürü tanısı için yapay zeka analizinin sensitivitesi %35,7, spesifitesi %98 olarak hesaplandı. Torakal vertebra fraktürü açısından yapay zeka analizinin sensitivitesi %5,4, spesifitesi %99,5 olarak hesaplandı. Lomber vertebra fraktürü açısından yapay zeka analizinin sensitivitesi %11,4, spesifitesi %96,8 olarak hesaplandı. Servikal, torakal ve lomber vertebra fraktürlerinin tamamı için pozitif prediktif değer %26,7, negatif prediktif değer %97,3 olarak hesaplandı. Sonuç olarak yapay zeka sistemlerinin hızlı gelişimi heyecan verici olsa da bu önemli aracın güvenli bir şekilde yaygın klinik uygulamaya dönüştürülmesi için çeşitli klinik ortamlarda yapay zekaya rehberlik edecek titiz çalışmalara ve genelleştirilebilirliğinin daha iyi anlaşılmasına ihtiyaç vardır.