Epikardiyal yağ doku volümünün karaciğer yağlanması ve koroner arter hastalığı ile ilişkisi
The relationship between epicardial fat tissue volume, liver steatosis and coronary artery disease
- Tez No: 1013819
- Danışmanlar: DOÇ. DR. BAŞAK GÜLPINAR
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Koroner arter hastalığı, Epikardiyal yağ dokusu, Hepatosteatoz, Koroner bilgisayarlı tomografi anjiyografi, Makine öğrenmesi, Koroner kalsiyum skoru, Karaciğer-dalak oranı, Coronary artery disease, Epicardial adipose tissue, Hepatic steatosis, Coronary computed tomography angiography, Machine learning, Coronary calcium score, Liver-to-spleen ratio
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Koroner bilgisayarlı tomografi anjiyografi (KBTA) ile değerlendirilen hastalarda epikardiyal yağ doku (EYD) hacmi, karaciğer-dalak (L/S) dansite oranı, FIB-4 skoru ve koroner arter kalsiyum (KAK) skoru gibi non-invaziv görüntüleme ve laboratuvar parametrelerinin koroner arter hastalığı (KAH) varlığı ve şiddeti ile ilişkisini incelemek ve bu verileri kullanarak KAH şiddetini öngörebilecek Random Forest (RF) tabanlı bir makine öğrenme modeli geliştirmek amaçlanmıştır. Gereç ve Yöntem: Ankara Üniversitesi Tıp Fakültesi Radyoloji Anabilim Dalı'nda Ocak 2021 ile Aralık 2024 tarihleri arasında KBTA çekimi yapılan, dahil edilme kriterlerini karşılayan 356 hasta (197 kadın, 159 erkek) retrospektif olarak incelendi. KAH darlık şiddeti CAD-RADS 2.0 sınıflamasına göre değerlendirildi ve hastalar“KAH Yok (CAD-RADS 0)”,“Non-obstrüktif (CAD-RADS 1-2)”ve“Obstrüktif (CAD-RADS 3-5)”olmak üzere üç gruba ayrıldı. EYD hacmi KBTA görüntüleri üzerinden yarı otomatik segmentasyonla, hepatosteatoz derecesi L/S dansite oranı ile, KAK yükü ise Agatston skoru ile hesaplandı. Verilerin analizi çok değişkenli lojistik regresyon ve çok sınıflı“RF”tabanlı yapay zeka algoritması ile gerçekleştirildi. Bulgular: Çalışma popülasyonunun ortanca yaşı 56 idi. KAH şiddeti arttıkça ortalama EYD hacmi anlamlı şekilde yükseldi (KAH Yok: 88,0 mL; Non-obstrüktif: 123,0 mL; Obstrüktif: 162,3 mL; p<0,001). Obstrüktif KAH'yi öngörmede optimal EYD eşik değeri 131,8 mL (AUC: 0,793) olarak bulundu. Darlık şiddeti arttıkça L/S oranı azaldı; bu, hepatosteatoz şiddetindeki artışla uyumluydu (Yok: 1,45; Non-obstrüktif: 1,26; Obstrüktif: 1,07; p<0,001). Obstrüktif gruptaki hastaların %62,1'inde ileri hepatosteatoz mevcuttu. FIB-4 skoru ile KAH şiddeti arasında tek değişkenli analizde gözlenen ilişki, modele yaş değişkeni eklenmesiyle istatistiksel anlamlılığını yitirdi (p=0,099). Geliştirilen RF modeli, KAH şiddetini %81,9 genel doğruluk ve 0.902 makro AUC ile sınıflandırdı; obstrüktif KAH grubuna ait AUC değeri 0,876 idi. Modelin karar mekanizmasında en büyük ağırlığa sahip ilk üç değişken sırasıyla KAK skoru, EYD hacmi ve yaş olarak bulundu. Sonuç: EYD hacmi ve hepatosteatoz, KAH varlığını ve obstrüktif lezyonları öngörmede geleneksel risk faktörlerinden bağımsız, güçlü biyobelirteçlerdir. Karaciğer-kalp aksındaki disfonksiyonu yansıtan bu parametrelerin, KAK skoru ile birlikte makine öğrenme algoritmalarına entegre edilmesi, kardiyoloji pratiğinde düşük riskli hastaları gereksiz invaziv koroner anjiyografiden (İKA) koruyabilecek non-invaziv bir triyaj aracı geliştirilmesine katkı sağlayabilir.
Özet (Çeviri)
Aim: The aim of this study was to investigate the relationship of non-invasive imaging and laboratory parameters including epicardial adipose tissue (EAT) volume, liver-to-spleen (L/S) density ratio, FIB-4 score, and coronary artery calcium (CAC) score, with the presence and severity of coronary artery disease (CAD) in patients evaluated with coronary computed tomography angiography (CCTA), and to develop a Random Forest (RF)-based machine learning model that can predict CAD severity with using these data. Materials and Methods: A total of 356 patients (197 females, 159 males) who met the inclusion criteria and underwent CCTA between January 2021 and December 2024 at the Department of Radiology, Ankara University Faculty of Medicine, were evaluated retrospectively. CAD stenosis severity was assessed according to the CAD-RADS 2.0 classification, and patients were divided into three groups:“No CAD (CAD-RADS 0)”,“Non-obstructive (CAD-RADS 1-2)”, and“Obstructive (CAD-RADS 3-5)”. EAT volume was measured via semi-automatic segmentation on CCTA images, hepatic steatosis severity was calculated using the L/S density ratio, and CAC burden was determined by the Agatston score. Data analysis was performed using multivariate logistic regression and a multi-class RF-based artificial intelligence algorithm. Results: The median age of the study population was 56 years. Mean EAT volumes increased significantly with CAD severity (No CAD: 88.0 mL; Non-obstructive: 123.0 mL; Obstructive: 162.3 mL; p<0.001). The optimal EAT cut-off value for predicting obstructive CAD was determined as 131.8 mL (AUC: 0.793). The L/S ratio decreased with increasing stenosis severity, consistent with progressively more severe hepatosteatosis (No CAD: 1.45; Non-obstructive: 1.26; Obstructive: 1.07; p<0.001). Advanced hepatosteatosis was detected in 62.1% of the patients in the obstructive group. The relationship between FIB-4 score and CAD severity observed in univariate analysis lost its statistical significance with the addition of the age variable to the model (p=0.099). The developed RF model classified CAD severity with an overall accuracy of 81.9% and macro AUC: 0.902; the AUC value for the obstructive CAD group was 0.876. The top three variables with the highest weight in the decision mechanism were the CAC score, EAT volume, and age, respectively. Conclusion: EAT volume and hepatic steatosis are powerful biomarkers, independent of traditional risk factors, for predicting the presence of CAD and obstructive lesions. Integrating these parameters, which reflect liver-heart axis dysfunction, along with the CAC score into machine learning algorithms may contribute to the development of a non-invasive triage tool that could spare low-risk patients from unnecessary invasive procedures (ICA) in cardiology practice.
Benzer Tezler
- Tip 2 diabetes mellitus hastalarında epikardiyal yağ doku volümü ve yerleşimi ile koroner arter hastalığı varlığı ve yaygınlığı arasındaki ilişki
The relation between the volume and the localization of epicardial adipose tissue and the presence and the extension of coronary artery disease
BEGÜM UYGUR
Tıpta Uzmanlık
Türkçe
2015
KardiyolojiSağlık Bilimleri ÜniversitesiKardiyoloji Ana Bilim Dalı
UZMAN ÖMER ÇELİK
DOÇ. DR. AYDIN YILDIRIM
- Sistemik skleroz hastalarında epikardiyal yağ volümü ile parankim bulgularının karşılaştırılması
Comparison of epicardial fat volume with parenchymal findings in systemic sclerosis patients
CEMİLE GARİPOĞLU
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpNecmettin Erbakan ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PINAR DİYDEM YILMAZ
- Epikardiyal yağ doku kalınlığının koroner arter hastalığı yaygınlığı ve lezyon tipi ile ilişkisi
The relationship between epicardial adipose tissue thickness, coronary artery disease extensity, and lesion type
FLORA ÖZKALAYCI
Tıpta Uzmanlık
Türkçe
2012
KardiyolojiTrakya ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. YÜKSEL AKSOY
- Epikardiyal yağ doku alanı ile koroner ateroskleroz arasındaki ilişkinin değerlendirilmesi
Evaluation of the relationship between epicardial adipose tissue area and coronary atherosclerosis
İNAN KORKMAZ
Tıpta Uzmanlık
Türkçe
2011
Radyoloji ve Nükleer TıpMustafa Kemal ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. ALİ BALCI
- Romatoid artrit, ankilozan spondilit, non radyografik aksiyel spondilartrit ve sağlıklı erişkinlerde arteryel sertlik, epikardiyal yağ doku kalınlığı, biyoelektriksel empedans ve hastalık aktivite indekslerinin değerlendirilmesi
Başlık çevirisi yok
SEFA GÜL
Tıpta Uzmanlık
Türkçe
2015
KardiyolojiDokuz Eylül ÜniversitesiKardiyoloji Ana Bilim Dalı
PROF. DR. ASIM OKTAY ERGENE