Servikal premalign lezyonların tanısında akıllı telefon bazlı yapay zeka teknolojisinin konvansiyonel kolposkopi ile karşılaştırmalı prospektif araştırılması
Comparative prospective investigation of smartphone-based artificial intelligence technology and conventional colposcopy in the diagnosis of cervical premalignant lesions
- Tez No: 803911
- Danışmanlar: DOÇ. DR. NERGİZ KENDER ERTÜRK
- Tez Türü: Tıpta Uzmanlık
- Konular: Kadın Hastalıkları ve Doğum, Obstetrics and Gynecology
- Anahtar Kelimeler: Yapay zeka, servikal intraepitelyal neoplazi, human papilloma virüs, kolposkopi, pap smear, akıllı telefon, Artificial intelligence, cervical intraepithelial neoplasia, human papillomavirus, colposcopy, Pap smear, smartphone
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Bursa Yüksek İhtisas Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Kadın Hastalıkları ve Doğum Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Amaç: Bu çalışmamızda, akıllı telefon bazlı oluşturulan yapay zeka teknolojisinin servikal prekanseröz lezyonları değerlendirmedeki yerini belirlemeyi ve yapay zeka teknolojisinin servikal patolojilerdeki kullanılabilirliğini yaygınlaştırmayı amaçladık. Bu sayede, yapay zeka teknolojisine sahip akıllı bir telefon hem servikal görüntülerin yüklendiği hem de bu görüntülerden tanı koydurabilen bir uygulama için kullanılabilir. Bu uygulamalar aynı zamanda kolposkopi cihazlarının olmadığı, kaynakların yetersiz olduğu ortamlarda kolaylıkla kullanılabilir. Gereç ve Yöntemler: Bu prospektif kohort çalışması, 1 Ağustos 2022 – 15 Mart 2023 tarihleri arasında Sağlık Bilimleri Üniversitesi Bursa Yüksek İhtisas Hastanesi Kadın Hastalıkları ve Doğum Kliniği'nde kolposkopi endikasyonu olan 266 gönüllü ile yapıldı. Günübirlik müdahale polikiliniğimize başvuran pap smear sonuçları anormalliği, human papilloma virüs (HPV) testi pozitifliği, postkoital kanama ve servikste şüpheli lezyon endikasyonları ile kolposkopi planlanan 30-60 yaş arası kadınlar dahil edildi. Gönüllülerin %3 asetik asit boyaması sonrası serviks fotoğrafları akıllı telefon ile çekildi. Sadece serviksi içeren her hasta için 4-5 adet görüntü alındı ve bu görüntüler daha sonra yapay zeka teknolojisi ile kullanılmak üzere saklandı. Çalışma sürecinde hastalardan alınan ve saklanan serviks fotoğrafları çalışma sonunda yapay zeka tarafından değerlendirildi ve sonuçlar kolposkopik biyopsi sonuçları ile karşılaştırıldı bu sayede geliştirilen teknolojinin tanıdaki etkinliği hesaplandı. İlk olarak yapay zeka teknolojisi 100 hastalık bir ön test ile değerlendirildi. Servikste patoloji sonucu normal, düşük riskli servikal intraepitelyal lezyon (CIN-1) ve yüksek riskli lezyonlar (CIN2, CIN3) olarak raporlanan 100 tane görüntü yapay zekayı teknolojisini test etmek için kullanıldı. Ön test sonrası çalışmamıza dahil ettiğimiz 266 hastanın serviks fotoğraflarını yapay zeka teknolojinde kullandık ve hastaların kolposkopik byopsi sonuçlarıyla karşılaştırdık. Bulgular: Derin öğrenmeyle oluşturulan yapay zeka modeli bizim çalışmamızda Bursa Yüksek İhtisas Hastanesi'nden toplanan 266 hasta ile test edilmiştir. 'Cin1' sınıfından olan 6 adet 'normal', 18 adet 'cin2' yanlış olarak tahmin etmiştir. Aynı şekilde sırası ile 'cin2' sınıfı tahmininde 2 adet 'cin1' ve 3 adet 'cin3', 'cin3' sınıfı tahmininde 1 adet 'cin1' 5 adet 'cin2' ve 'normal' sınıfı tahmininde 6 adet 'cin1' ve 18 adet 'cin2' 24 adet 'cın3'tahminlerinde yanılmıştır. Toplamda 266 adet'lik veri kümesi kullanılmıştır. Yapılan test işleminden toplam 266 veriden 74 adet ' cin 1' test verisinin 50 tanesini 13 'cin2' verisinin 8'ini,18 'cin 3' verisinin 12'sini ve 161 adet 'normal' verisinin 113'ünü başarılı sınıflandırmıştır. Normal sınıfı için doğruluk oranı %70,18,cin 1 sınıfı için %67.5, cin 2 sınıfı için %61.5 cin 3 için %66.6 olarak saptanmıştır. Toplamda 266 görsel veriden 183 tanesini doğru tahmin etmiştir. Hasta grupları benign lezyonlar (normal ve CIN1) ve preinvaziv lezyonlar (CIN2 ve CIN3) olarak ikiye ayrıldığında toplamda 266 hastanın 235'i benign, 31 tanesi preinvaziv lezyon tanısı almıştı. Yapay zeka teknolojisi 235 benign lezyondan 175'ini doğru şekilde tahmin etmişti. Yapay zeka teknolojisinin benign lezyonları saptama oranı %74,4 idi. Preinvaziv lezyonların 28 tanesini doğru tahmin eden, yapay zeka teknolojisinin preinvaziv lezyonları doğru saptama oranı %90,4 olarak hesaplandı. Sonuç: Kolposkopik görüntüleri sınıflandıran yapay zeka modelinin özellikle gerçek preinvaziv servikal lezyon tanısında kullanıldığında patolojik tanı ile yüksek uyum performans seviyelerine ulaştığı görülmektedir. Bu bağlamda çalışmamız yapay zeka sistemlerinin serviks prekanseröz lezyonların tahmini, taranması veya saptanmasında kabul edilebilir performansı olduğunu vurgulamaktadır. Bu model klinisyenlerin hastayı üst merkeze sevkine karar vermelerinde yardımcı olabilir. Ek olarak akıllı telefon bazlı servikal kolposkopik görüntüler ile oluşturulan bu derin öğrenme modeli servikal lezyonların taranmasında kullanılabilir bir yöntem olarak değerlendirilebilir.
Özet (Çeviri)
Objective: In this study, we aimed to determine the role of artificial intelligence technology generated by smartphone-based applications in the evaluation of cervical precancerous lesions and to promote the usability of artificial intelligence technology in cervical pathology. As a result, a smartphone equipped with artificial intelligence technology can be used as an application where cervical images are uploaded and diagnoses can be made based on these images. These applications can be easily utilized in environments where colposcopy devices are not available and resources are limited. Materials and Methods: This prospective cohort study was conducted with 266 volunteers who had indications for colposcopy at the Department of Obstetrics and Gynecology, Health Sciences University Bursa Yüksek İhtisas Hospital, between August 1, 2022, and March 15, 2023. Women between the ages of 30-60 years who presented to our outpatient intervention clinic with abnormal Pap smear results, positive human papillomavirus (HPV) test, postcoital bleeding, and suspicious lesions on the cervix were included. Cervical photographs of the volunteers were taken using a smartphone after acetic acid staining. 4-5 images were captured for each patient, focusing solely on the cervix, and these images were stored for later use with artificial intelligence technology. During the study process, the cervical photographs obtained from the patients were evaluated by artificial intelligence at the end of the study, and the results were compared with colposcopic biopsy results to calculate the diagnostic efficacy of the developed technology. Initially, the artificial intelligence technology was evaluated with a pilot test of 100 cases. A total of 100 images were used to test the artificial intelligence technology, with reported pathology results as normal cervix, low-grade cervical intraepithelial lesion (CIN-1), and high-grade lesions (CIN-2, CIN-3). After the pilot test, the cervical photographs of the 266 patients included in our study were used with the artificial intelligence technology, and the results were compared with the patients' colposcopic biopsy results. Results: The deep learning-based artificial intelligence model was tested with the 266 patients collected from Bursa Yüksek İhtisas Hospital in our study. It incorrectly predicted 18 images as“CIN-2”instead of“normal”from the“CIN-1”class. Similarly, it made 2“CIN-1”and 3“CIN-3”false predictions for the“CIN-2”class, 1“CIN-1,”5“CIN-2,”and 6“CIN-1”and 18“CIN-2”false predictions for the“CIN-3”class. A total of 266 data points were used in the test. Out of the total 266 data points, the test correctly classified 74 out of 74“CIN-1”data points, 50 out of 13“CIN-2”data points, 8 out of 18“CIN-3”data points, and 113 out of 161“normal”data points, resulting in an accuracy rate of 70.18% for the“normal”class, 67.5% for the“CIN-1”class, 61.5% for the“CIN-2”class, and 66.6% for the“CIN-3”class. Out of the total 266 visual data points, it correctly predicted 183 of them. When the patient groups were divided into benign lesions (normal and CIN-1) and preinvasive lesions (CIN-2 and CIN-3), out of the total 266 patients, 235 had benign lesions, and 31 had preinvasive lesion diagnoses. The artificial intelligence technology correctly predicted 175 out of 235 benign lesions, resulting in a detection rate of 74.4%. The artificial intelligence technology correctly predicted 28 out of 31 preinvasive lesions, resulting in an accurate detection rate of 90.4%. Conclusion: The artificial intelligence model that classifies colposcopic images demonstrates high performance levels in accurately diagnosing preinvasive cervical lesions. In this context, our study emphasizes that artificial intelligence systems have acceptable performance in predicting, screening, or detecting cervical precancerous lesions. This model can assist clinicians in making decisions regarding the referral of patients to specialized centers. Additionally, this deep learning model generated from smartphone-based cervical colposcopic images can be considered as a feasible method for screening cervical lesions.
Benzer Tezler
- Servikal premalign lezyonların tanısında kolposkopi ve leep'in karşılaştırılması
Başlık çevirisi yok
ERKUT ÖZKUL
Tıpta Uzmanlık
Türkçe
2000
Kadın Hastalıkları ve DoğumAkdeniz ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
YRD. DOÇ. DR. TAYUP ŞİMŞEK
- Serviksin premalign lezyonlarının tanısında kullanılan yöntemler ve etkinlikleri
Methods using in the diagnosis of the premalignant lesions of cervix and their efficacy
LEVENT TÜTÜNCÜ
Tıpta Uzmanlık
Türkçe
1997
Kadın Hastalıkları ve DoğumGATAKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. YUSUF ZİYA YERGÖK
- Premalign serviks lezyonlarında telomeraz aktivitesinin tanısal değeri
The role of telomerase activity in diagnosis of premalignant cervical lesions
ERHAN ŞİMŞEK
Tıpta Uzmanlık
Türkçe
2002
Kadın Hastalıkları ve DoğumAnkara ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF.DR. İLKKAN DÜNDER
- Kolposkopik biyopsi sonuçlarının yapay zeka kullanılarak hpv tipi ve servikal sitoloji subgrubuna göre prediksiyonu
HPV type of colposcopic biopsy results using artificial intelligence and cervical cytology prediction according to subgroup
BÜŞRA KARAGÖZ YIKILMAZ
Tıpta Uzmanlık
Türkçe
2024
Kadın Hastalıkları ve DoğumSağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. ÖZLEM MORALOĞLU TEKİN
- Serviksin premaling ve malign lezyonlarının tanısında smear, kolposkopi ve histopatoloji korelasyonu
The corelation of smear colposcopy and histopathology in the diognosis of servica premaling and malign lesions
MERT ULAŞ BARUT
Tıpta Uzmanlık
Türkçe
2008
Kadın Hastalıkları ve DoğumDicle ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
YRD. DOÇ. DR. AHMET KALE