Mı̇yokart perfüzyon sı̇ntı̇grafı̇sı̇nde ı̇skemı̇ tespı̇t edı̇len hastalarda koroner arter hastalığı tanısında yapay zeka uygulamalarının rolü
The role of artificial intelligence applications in the diagnosis of coronary artery disease in patients with ischemia detected on myocardial perfusion scintigraphy
- Tez No: 1011419
- Danışmanlar: PROF. DR. SEYHAN KARAÇAVUŞ
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Koroner Arter Hastalığı, Miyokart Perfüzyon Sintigrafisi, Semikantitatif analiz, Yapay Zeka, Coronary Artery disease, Myocardial Perfusion Scintigraphy, Semiquantitative Analysis, Artificial Intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Kayseri Şehir Hastanesi
- Ana Bilim Dalı: Nükleer Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: alışmamızda miyokart perfüzyon sintigrafisi (MPS) değerlendirmede kullanılan on yedi segmentli semikantitatif skorlama sistemindeki parametreler ile derin öğrenme tabanlı yapay zeka analizlerinin ≥%5 koroner arter darlığını dolayısıyla koroner arter hastalığını (KAH) belirlemedeki doğruluklarının belirlenmesi ve bu iki yöntemin performanslarının karşılaştırılması amaçlanmıştır. Gereç ve Yöntem: Ocak 2 1 Ocak 2 23 tarihleri arasında MPS uygulanan ve en geç 3 ay içinde koroner anjiyografi yapılan 5 3 hasta çalışmaya dahil edilmiştir. Koroner anjiografide ilgili damarda %5 ve üzerindeki darlık KAH lehine değerlendirilmiştir. MPS görüntüleri 17 segmentli model kullanılarak semikantitatif olarak değerlendirilmiş olup toplam stres skoru (SSS), toplam istirahat skoru (SRS) ve toplam fark skoru (SDS) değerleri hesaplanıp ROC eğrisi ile istatistiksel analizi yapılmıştır. Yapay zeka analizinde, Medical Segment Anything Model (MedSAM) tabanlı ve Low Rank Adaptation (LoRA) yöntemi ile optimize edilmiş derin öğrenme modeli kullanılmış olup doğruluk ve F1 skoru değerleri ile değerlendirilmiştir. Bulgular: alışmamıza dahil edilen hastaların % 4 ,3'ünde koroner anjiyografi pozitif saptanmıştır. Anjiyografi pozitif grupta yaş, sigara kullanımı, diabetes mellitus ve hipertansiyon sıklığı anlamlı olarak daha yüksek bulunmuştur. Semikantitatif analizde SSS ve SDS değerleri anjiyo pozitif grupta anlamlı derecede yüksek olup ROC analizinde SDS'nin en yüksek tanısal performansa sahip olduğu (AUC , 32) görülmüştür. Yapay zeka modeli tüm alt gruplarda , 5'in üzerinde F1 skoru ile yüksek ve tutarlı bir sınıflandırma performansı göstermiştir. Sonuç: MPS değerlendirmesinde SDS, KAH'ın öngörülmesinde güçlü bir parametredir. Bununla birlikte, derin öğrenme tabanlı yapay zeka yönteminin farklı cinsiyet, cihaz, okuyucu ve farklı kantitatif analiz yazılımlarında dahi yüksek doğruluk ve tutarlılık göstermesi, bu yaklaşımın klinik karar destek sistemlerinde etkin bir şekilde kullanılabileceğini düşündürmektedir. Bu durum, okuyucudan bağımsız olarak daha objektif, tekrarlanabilir ve standardize sonuçlara katkı sağlayabilir.
Özet (Çeviri)
Objective: This study aimed to determine the diagnostic performance and assess the accuracy of parameters in a seventeen-segment semi-quantitative scoring system and deep learning-based artificial intelligence analyses used in myocardial perfusion scintigraphy (MPS) in identifying ≥5 % coronary artery stenosis and compare the performance of these two methods. Materials and Methods: The study included 503 patients who underwent MPS between January 2018 and January 2023, with subsequent coronary angiography performed within 3 months at the latest. In coronary angiography, stenosis of 50% or more in the relevant vessel was considered indicative of coronary artery disease. MPS images were evaluated semi-quantitatively using a 17-segment model, and total stress score (SSS), total resting score (SRS), and total difference score (SDS) values were calculated and statistically analyzed using the ROC curve. In the artificial intelligence analysis, a deep learning model based on MedSAM and optimized with the Low-Rank Adaptation (LoRA) method was used and evaluated with accuracy F1-score metrics. Findings: Coronary angiography was found to be positive in 48.3% of the patients included in our study. Age, smoking, diabetes mellitus, and hypertension frequency were found to be significantly higher in the angiography-positive group. In the semi-quantitative analysis, SDS was found to have the highest diagnostic performance (AUC: 0.832). The artificial intelligence model showed a high and consistent classification performance with an F1-score above 0.85 in all subgroups. Conclusion: SDS is a powerful parameter for predicting coronary artery disease in MPS assessments. Nevertheless, the high accuracy and consistency of deep learning-based AI methods—regardless of gender, device, reader, or quantitative analysis software—indicate their potential for effective integration into clinical decision support systems. Such approaches can facilitate more objective, reproducible, and standardized outcomes by reducing reader dependency
Benzer Tezler
- Dipper ve non-dipper hipertansiyon ile miyokard perfüzyon sintigrafisinde yalancı pozitiflik ilişkisi
Comparison of myocardial perfusion defect scores indippers and non-dippers
SEDA AYTEKİN
Tıpta Uzmanlık
Türkçe
2017
KardiyolojiDüzce ÜniversitesiKardiyoloji Ana Bilim Dalı
YRD. DOÇ. OSMAN KAYAPINAR
- Tıkayıcı koroner arterlerin olmadığı iskemili (INOCA) hastaların anjina ya da anjina eşdeğeri semptomlarına göre strain ekokardiyografi parametrelerinin karşılaştırılması
Comparison of strain echocardiography parameters according to angina or angina equivalent symptoms in ischemia without occlusive coronary arteries (INOCA) patients
ÖMER ABDULBAKİ KILIÇ
Tıpta Uzmanlık
Türkçe
2025
KardiyolojiSağlık Bilimleri ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. ARSLAN ÖCAL
- Kardiyak sendrom x'li hastalarda total antioksidan kapasite ve global sol ventrikül performansının değerlendirilmesi
Evaluation of global left ventricule performance and total antioxidant capacity in patients with cardiac syndrome x
ALPARSLAN KILIÇ
Tıpta Uzmanlık
Türkçe
2013
KardiyolojiUfuk ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. EBRU AKGÜL ERCAN
- Kardiyak sendrom X tanısı konulan hastalarda sistemik immün-inflamasyon indeks'in öngörücülüğünün araştırılması
Investigation of the prediction of the systemic immune-inflammation index in patients diagnosed cardiac syndrome X
YUSUF AKIN
Tıpta Uzmanlık
Türkçe
2022
KardiyolojiFırat ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. HASAN ATA BOLAYIR