Fibrotik akciğer hastalıklarında olağan interstisyel pnömoni paterninin tanısı ve takibinde derin öğrenme algoritmalarının kullanımı
Utilization of deep learning algorithms in the diagnosis and monitoring of usual interstitial pneumonia pattern in fibrotic lung diseases
- Tez No: 870325
- Danışmanlar: PROF. DR. ZÜLEYHA BİNGÖL
- Tez Türü: Tıpta Uzmanlık
- Konular: Göğüs Hastalıkları, Chest Diseases
- Anahtar Kelimeler: Derin öğrenme, olağan interstisyel pnömoni, idiyopatik pulmoner fibrozis, usual interstitial pneumonia, UIP, Deep learning, usual interstitial pneumonia, idiopathic pulmonary fibrosis, UIP
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Göğüs Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Fibrotik Akciğer Hastalıklarında Olağan İnterstisyel Pnömoni Paterninin Tanısı ve Takibinde Derin Öğrenme Algoritmalarının Kullanımı Giriş: İdiyopatik interstisyel pnömoniler (İİP), diffüz parankimal akciğer hastalıkları (DPAH)'nın bir alt grubu olup; etiyolojisi bilinmeyen, inflamasyonla birlikte ilerleyici interstisyel fibrozis ile karakterize, heterojen bir grup hastalıktır. İİP'ler içinde; olağan interstisyel pnömoni (UIP) paterni ile karşımıza çıkan idiyopatik pulmoner fibrozis (İPF) kötü prognozu, ilerleyici karakteri, mortalite ve morbiditesi ile en önemli alt grubu oluşturur. Bu alt sınıfların ayırıcı tanısı günümüzde büyük ölçüde subjektif verilere dayalı olarak yapılmaktadır. Bu nedenle UIP ve İPF tanısını koymak multidisipliner bir yaklaşım gerektirmektedir. Hastalık progresyon takibinde nicel verilerin olmayışı tedavi kararını da etkilemektedir. Tanı ve tedavi gecikmesi hastalık morbidite ve mortalitesi üzerinde olumsuz etkilere sahiptir. Tıbbi yayınlarda derin öğrenme algoritmalarının tanıda kullanımı yeni bir antite olup son yıllarda kullanım sıklığı artmaktadır. Pulmoner fibroziste UIP paterni tayininde ve prognozun kantitatif belirleyicisi olarak derin öğrenme algoritmalarının kullanımı yaşam süresi ve kalitesi artışına katkı sağlayacaktır. Amaçlar: Pulmoner fibroziste UIP paterni tanısında klinik ve radyolojik tanının standardize hale getirilmesi, klinisyenler arasında tanısal açıdan görüş farklılıklarının en aza indirilmesi, doğru tanı oranının arttırılması ve tanı süresinin kısaltılması ve hastalığın radyolojik paterninin kantitatif tayini konusunda nicel veriler elde edilmesi amaçlanmaktadır. Materyal ve Metot: Kliniğimizde Ocak 2010-Ocak 2023 arasında interstisyel akciğer hastalığı tanısıyla takip edilen 117 hasta çalışmaya dahil edildi. Hastaların demografik verileri, fonksiyonel değerlendirmeleri ve yüksek çözünürlüklü toraks bilgisayarlı tomografi (YÇBT)'leri kaydedildi. Veri tabanı 239 adet, toplamda 73.522 kesitten oluşan anonimleştirilmiş diffüz fibrotik akciğer hastalığı bulgularını ve alternatif tanıları içeren YÇBT verisinden oluşturuldu. Hastaların klinik özellikleri, maruziyet öyküleri ve klinik bulguları göz önünde bulundurularak iki farklı deneyimli toraks radyoloğu tarafından ve multidisipliner İAH konseyinde değerlendirildi. YÇBT bulguları tipik, olası, belirsiz UIP ve alternatif tanı olacak şekilde 4 gruba ayrıldı. YÇBT görüntüleri ile derin öğrenme-evrişimli sinir ağı modeli geliştirildi. Bu modelin hasta gruplarını ayırmadaki doğruluğu hesaplandı. Bulgular: Model eğitim seti için %99 başarı, doğrulama seti için %85 başarı oranına ulaşılmıştır. Model 5976 alternatif tanı görüntüsünden 4473 tanesini (%74.8); 2064 olası UIP görüntüsünden 2002 tanesini (%96.9) ve son olarak 6005 tipik UIP görüntüsünden 5089 tanesini (%84.7) doğru tahmin ederek %82 doğruluk ile tahmin başarısı elde etmiştir. Burada belirsiz UIP tanı sınıfı yeterli hasta sayısına ulaşılamaması nedeniyle test setine dahil edilmemiştir. Modelin sırasıyla tipik UIP, olası UIP ve alternatif tanı için pozitif prediktif değeri %99, %48 ve %94 ve negatif prediktif değeri ise %85, %97 ve %75 olarak hesaplanmıştır. Sonuçlar: Fibrotik akciğer hastalıklarında UIP paterninin erken tanısı sağlanarak görüş ayrılıkları en aza indirilecektir. Prognozun kantitatif belirleyicisi olarak derin öğrenme algoritmalarının kullanımı sağkalımda artışa katkı sağlayacaktır.
Özet (Çeviri)
İNGİLİZCE ÖZET Utilization of Deep Learning Algorithms in the Diagnosis and Monitoring of Usual Interstitial Pneumonia Pattern in Fibrotic Lung Diseases Introduction: Idiopathic interstitial pneumonias (IIP's) represent a subgroup of diffuse parenchymal lung diseases characterized by unknown etiology, progressive interstitial fibrosis along with inflammation, and heterogeneity. Among IIP's, idiopathic pulmonary fibrosis (İPF) with the usual interstitial pneumonia (UIP) pattern constitutes the most important subgroup due to its poor prognosis, progressive nature, high mortality and morbidity rates. The differential diagnosis of these subgroups is currently largely based on subjective data. Therefore, the diagnosis of UIP and İPF requires a multidisciplinary approach. The absence of quantitative data in monitoring disease progression also affects treatment decisions. Delay in diagnosis and treatment has negative impacts on disease morbidity and mortality. The use of deep learning algorithms in diagnosis is a novel approach in medical literature and its utilization has been increasing in recent years. The application of deep learning algorithms for determining the UIP pattern in pulmonary fibrosis and as a quantitative predictor of prognosis will contribute to increased lifespan and improved quality of life. Objectives: The objectives of this study are to standardize clinical and radiological diagnosis of the UIP pattern in pulmonary fibrosis, minimize diagnostic differences between clinicians, to increase the accuracy of diagnosis, reduce the time required for diagnosis, and obtain quantitative data for assessing disease progression. Materials and Methods: Between January 2010 and January 2023, 117 patients with interstitial lung disease were included in the study. Demographic data, functional evaluations and high-resolution thorax computed tomography (HRCT) scans were recorded. A database of 239 anonymised HRCT data consisting of a total of 73,522 slices, including findings of diffuse fibrotic lung disease and alternative diagnoses, was created. Patients were evaluated by two different experienced thoracic radiologists and a multidisciplinary ILD council, taking into account their clinical features, exposure history and rheumatological history. HRCT findings were categorized into 4 groups as typical, probable, uncertain UIP and alternative diagnosis. A deep learning-convolutional neural network model was developed with the help of the CT images. The accuracy of this model in discriminating patient groups was calculated. 3 Results: The model achieved 99% success rate for the training set and 85% success rate for the validation set. The model correctly predicted 4473 out of 5976 alternative diagnosis images (74.8%), 2002 out of 2064 possible UIP images (96.9%) and finally 5089 out of 6005 typical UIP images (84.7%) with 82% accuracy. Here, the uncertain UIP diagnosis class was not included in the test set due to insufficient number of patients. The positive predictive values of the model for typical UIP, probable UIP and alternative diagnosis were 99%, 48% and 94%, and the negative predictive values were 85%, 97% and 75%, respectively. Conclusions: Early diagnosis of the UIP pattern in fibrotic lung diseases will minimize differences in opinions among experts. The utilization of deep learning algorithms as a quantitative prognostic indicator will contribute to increased survival.
Benzer Tezler
- Serum vanin-1 düzeyi idiyopatik pulmoner fibrozis hastalarında yeni bir biyomarker olabilir mi?
Could serum vanin-1 level be a novel biomarker in patients with idiopathic pulmonary fibrosis?
GÖZDE ÖKSÜZLER KIZILBAY
Tıpta Uzmanlık
Türkçe
2024
Göğüs HastalıklarıKocaeli ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. SERAP ARGUN BARIŞ
- Fibrotik akciğer hastalıklarında miyokardiyal fibrozis ve kardiyak fonksiyonların mrg ile değerlendirilmesi
Evaluation of myocardial fibrosis and cardiac function in fibrotic lung diseases by mri
SÜLEYMAN EKİZ
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpMersin ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. KAAN ESEN
- İdiyopatik pulmoner fibrozis ve diğer fibrotik interstisyel akciğer hastalıklarında yorgunluğun yorgunluk şiddet ölçeği(FAS) ile değerlendirilmesi
Evaluation of fatigue with fatigue severity scale (FAS) in idiopathic pulmonary fibrosis and other fibrotic interstitial lung diseases
ECE CIRIT
Tıpta Uzmanlık
Türkçe
2024
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. DİLDAR DUMAN
- İnterstisyel akciğer hastalıklarında bronkoalveolar lavajın akciğer kriyo transbronşiyal biyopsisine tanısal ek katkısı
Additional diagnostic role of bronchoalveolar lavage in interstitial lung diseases in cryobiopsy of the lung
UMUT İLHAN
Tıpta Uzmanlık
Türkçe
2024
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ DEMİRKOL
PROF. DR. ERDOĞAN ÇETİNKAYA
- İnterstisyel akciğer hastalıklarında serum periostin düzeyinin hastalığın ağırlığı ile ilişkisinin değerlendirilmesi
Evaluation of serum periostin levels and relationship for disease severity in interstitials lung diseases
SERPİL ŞAHİN
Tıpta Uzmanlık
Türkçe
2017
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DOÇ. DR. GÜNGÖR ÇAMSARI