Geri Dön

Yapay zeka ile yama (patch) ve deri delme (Skin Prick) test sonuçlarının nesnel yorumlanması: Dermatolog görüşleriyle uyum analizi

Artificial intelligence–based objective evaluation of patch and Skin Prick Test results: An analysis of agreement with dermatologist assessments

PDF İndir

  1. Tez No: 1020452
  2. Yazar: BURCU ÖZATA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YILMAZ ULAŞ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Dermatoloji, Dermatology
  6. Anahtar Kelimeler: Deri testleri, gözlemciler arası değişkenlik, tanısal görüntüleme, yapay zekâ, yama testleri, Artificial Intelligence, Diagnostic Imaging, Observer Variation, Patch Tests, Skin Tests
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Kayseri Şehir Hastanesi
  11. Ana Bilim Dalı: Deri ve Zührevi Hastalıklar Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

YAPAY ZEKA İLE YAMA (PATCH) VE DERİ DELME (SKIN PRICK) TEST SONUÇLARININ NESNEL YORUMLANMASI: DERMATOLOG GÖRÜŞLERİYLE UYUM ANALİZİ ÖZET Amaç: Bu çalışmanın amacı, ek bir eğitim veya mühendislik müdahalesi olmaksızın, genel kullanıma açık yapay zekâ (YZ) sistemi olan ChatGPT-5.3'ün yama (patch) ve deri delme testi (Skin Prick Test (SPT)) sonuçlarını değerlendirme performansını incelemek ve uzman dermatolog sonuçlarıyla karşılaştırmaktır. Ayrıca, iPhone 16 Pro Max ve FotoFinder görüntüleme sistemlerinden elde edilen görsellerin YZ'nin değerlendirme başarısı üzerindeki etkisinin analiz edilmesi hedeflenmiştir. Gereç ve Yöntem: Bu çalışmaya, Kayseri Şehir Hastanesi Dermatoloji Polikliniği'nde klinik endikasyonla yama testi ve SPT uygulanan, her gruptan 73'er hasta dahil edilmiştir. Standart panellerle yapılan yama testleri 48. ve 72. saatlerde; SPT reaksiyonları ise 15. dakikada iPhone 16 Pro Max ve FotoFinder sistemleriyle standardize koşullarda görüntülenmiştir. Elde edilen veriler; uluslararası kriterlerin sözel ve yazılı tanımlanması ve yama testinde her reaksiyon paterni için birer referans görsel sunulmasının ardından (SPT için referans görsel sunulmamıştır); 48. ve 72. saatlerdeki yama testi ile 15. dakikadaki SPT görüntüleri, ChatGPT-5.3 sistemine analiz ettirilmiştir. Yama testi sonuçları, iki bağımsız kör dermatoloğun değerlendirmeleriyle; SPT sonuçları ise klinisyenin cetvelle ölçtüğü horizontal/vertikal ortalama çaplar ve kategorik (pozitif/negatif) yanıtlar üzerinden YZ ölçümleriyle karşılaştırılarak analiz edilmiştir. Bulgular: Yama testi değerlendirmelerinde YZ ile dermatologlar arasındaki uyumun alerjen bazında değiştiği ve düşük ile orta düzeyde olduğu saptandı (κ=0,287–0,560; p<0,05). 72. saatte genel uyum düzeylerinde ve kusursuz uyum gösteren reaksiyon sayısında artış izlendi. SPT çap ölçümlerinde bazı alerjenlerde anlamlı fark saptanmazken, fark gözlenenlerde YZ'nin dermatoloğa kıyasla daha büyük çaplar ölçtüğü görüldü (p<0,05). Pozitif/negatif yönlü kategorik analizlerde ise uyum düzeyinin düşük olduğu saptandı. Telefon ve FotoFinder tabanlı iki boyutlu (2B) görüntülerden elde edilen YZ sonuçları arasında anlamlı fark izlenmedi. (p>0,05). Sonuç: Genel amaçlı YZ sistemleri dermatolojik testlerin değerlendirilmesinde destekleyici bir potansiyel taşımakla birlikte; mevcut haliyle pozitif reaksiyonlar ve klinik kabarıklıkların değerlendirilmesinde tek başına yetersizdir. Daha güvenilir sonuçlar için alana özgü geniş veri setleriyle eğitilmiş ve üç boyutlu (3B) ölçüm teknolojileriyle entegre YZ sistemlerine ihtiyaç vardır.

Özet (Çeviri)

ARTIFICIAL INTELLIGENCE–BASED OBJECTIVE EVALUATION OF PATCH AND SKIN PRICK TEST RESULTS: AN ANALYSIS OF AGREEMENT WITH DERMATOLOGIST ASSESSMENTS ABSTRACT Aim: This study aimed to evaluate the performance of ChatGPT-5.3, a publicly available artificial intelligence (AI) system, in assessing patch test and skin prick test (SPT) results without any additional model training or engineering intervention, and to compare these findings with expert dermatologist assessments. Furthermore, the iPhone 16 Pro Max and the FotoFinder imaging system—on the evaluation success of the AI. Materials and Methods: The study included 73 patients per group undergoing patch testing and SPT at Kayseri City Hospital Dermatology Clinic. Patch tests (48th/72nd hours) and SPTs (15th minute) were imaged under standardized conditions using an iPhone 16 Pro Max and FotoFinder. Following the verbal and writing definition of international criteria and the provision of a reference image for each reaction pattern in the patch test (no reference images were provided for SPT), the patch test images from the 48th and 72nd hours, along with the 15th-minute SPT images, were analyzed by the ChatGPT-5.3 system without any intervention. Patch test results were compared with two independent blind dermatologists. SPT results were analyzed by comparing AI measurements against a clinician's ruler-measured horizontal/orthogonal mean diameters and categorical (positive/negative) responses. Results: Agreement between AI and dermatologists in patch test evaluations varied by allergen and ranged from low to moderate (κ = 0.287–0.560; p <0.05). Overall agreement and perfect concordance increased at 72 hours. In SPT wheal measurements, AI measured larger diameters for some allergens,while no significant differences were observed for others (p <0.05). Categorical positive/negative analyses showed low agreement. No significant differences were found between AI results from smartphone- and FotoFinder-based two-dimensional (2D) images (p> 0.05). Conclusion: Publicly available AI systems aid dermatological test evaluation but remain insufficient for positive reaction and wheal assessment. Reliable performance requires large field-specific datasets and three-dimensional (3D) technologies.

Benzer Tezler

  1. Tez No

    1011052

    Yama testi sonuçlarının yapay zeka kullanılarak değerlendirilmesi

    Evaluating patch test results using artificial intelligence

    DİLAYDA KAYAPINAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    DermatolojiSağlık Bilimleri Üniversitesi

    Deri ve Zührevi Hastalıklar Ana Bilim Dalı

    PROF. DR. ZAFER TÜRKOĞLU

  2. Tez No

    774028

    Derin öğrenme yöntemiyle düşük çözünürlüklü yüz görüntülerinden yüz ifadesi tespiti

    Facial expression detection from low resolution facial images with deep learning method

    GÖZDE SENA KARABAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mekatronik MühendisliğiFırat Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ÇAVAŞ

  3. Tez No

    848112

    Dental panoramik radyografilerde derin öğrenme tabanlı segmentasyon yaklaşımları

    Deep learning based segmentation approaches on dental panoramic radiographies

    NİDA KUMBASAR

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiAtatürk Üniversitesi

    Elektrik-Elektronik Ana Bilim Dalı

    PROF. İBRAHİM YÜCEL ÖZBEK

  4. Tez No

    438587

    Yapay zeka algoritmaları kullanılarak X bandı için mikroşerit yama anten boyut optimizasyonu ve uygulaması

    Dimension optimization and application of microstrip patch antenna in X band via artificial intelligent algorithms

    UMUT ÖZKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. LEVENT SEYFİ

  5. Tez No

    1020346

    6G uygulamaları için mikroşerit yama anten parametrelerinin yapay zeka ile optimizasyonu

    Optimization of the parameters of microstrip antennas for 6G applications using artificial intelligence

    SEMİH PAK

    Doktora

    Türkçe

    Türkçe

    2026

    Elektrik ve Elektronik MühendisliğiKarabük Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHAMMET TAHİR GÜNEŞER

Geri Dön