Geri Dön

Kolesteatomlu ve kolesteatomsuz kronik otitismedia hastalarında bilgisayarlı tomografi (BT) ve manyetik rezonans görüntüleme (MRG) kullanılarak derin öğrenme bazlı yapay zeka desteğiyle değerlendirilmesi ve radyolog bakısıile kıyaslanması

Deep learning-based differentiation of cholesteatoma and non-cholesteatoma chronic otitis media using CT and MRI: Comparison with radiologists' assessments

PDF İndir

  1. Tez No: 955631
  2. Yazar: YEŞİM YENER DEMİRKOPARAN
  3. Danışmanlar: PROF. DR. ZEHRA HİLAL ADIBELLİ, UZMAN AHMET BOZER
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Yapay zeka, kolesteatom, kronik otitis media, Artificial intelligence, cholesteatoma, chronic otitis media
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bakanlığı
  10. Enstitü: İzmir Bayraklı Şehir Hastanesi
  11. Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ÖZET Giriş: Kronik otitis media (KOM), orta kulakta kronik inflamasyonla seyreden önemli bir toplum sağlığı problemidir. KOM'un agresif bir formu olan kolesteatom, kemik erozyonu ve ciddi komplikasyonlara yol açabilir. Ancak kolesteatomun, kolesteatomsuz KOM'dan klinik ve radyolojik olarak ayırt edilmesi her zaman kolay değildir. Bu nedenle doğru ve erken tanı, hastalık yönetimi ve cerrahi planlama açısından büyük önem taşımaktadır. Son yıllarda yapay zeka uygulamaları, tıbbi görüntülemede tanısal süreci desteklemek ve objektifliği artırmak amacıyla kullanılmaya başlanmıştır. Amaç: Bu çalışmanın amacı, BT ve MRG görüntülerinden yararlanılarak geliştirilen derin öğrenme tabanlı bir yapay zeka modeli aracılığıyla kolesteatomlu ve kolesteatomsuz kronik otitis media olgularını ayırt etmedeki başarısının değerlendirilmesidir. Gereç ve Yöntem: Çalışmamız 2017-2025 yılları arasında, iki merkezde, opere edilmiş ve histopatolojik tanısı bulunan kolesteatomlu ve kolesteatomsuz KOM hastalarının yer aldığı retrospektif bir çalışmadır. Toplamda 153 hasta 158 kulak çalışmaya dahil edilmiştir. BT ve MRG görüntüleri, yapay zeka modeli ve histopatolojik sonuçlardan, yapay zeka analizlerinden habersiz bir şekilde iki farklı deneyime sahip radyolog tarafından değerlendirilmiştir. Radyologlar ve yapay zeka modelinin duyarlılık, özgüllük, doğruluk, pozitif/negatif prediktif değerler (PPD/NPD), F1 skoru ve AUC değerleri hesaplanmış, gözlemciler arası ve model ile gözlemciler arasındaki uyum Kappa analizi ile değerlendirilmiştir. Bulgular: Yapay zeka modelinin görüntü değerlendirmesi test grubunda yer alan 32 kulak üzerinden gerçekleştirilmiştir. Yapay zeka modelinin BT için duyarlılığı %90, özgüllüğü %91, doğruluk oranı %91, AUC'si 0,91, F1 skoru ise 0,93 bulunmuştur. Gözlemci A için bu değerler sırasıyla %67, %91, %75 , 0,79 , 0,74 ; gözlemci B için ise %62, %91, %72, 0,76, 0,71dir. MRG'de yapay zeka modelinde duyarlılık %100, özgüllük %82, doğruluk %94, AUC 0,91, F1 skoru 0,95 olarak bulunmuştur. Gözlemci A için bu değerler sırasıyla %95, %100, %97, 0,98, 0,97; gözlemci B için %90,%100, %94, 0,95, 0,95 olarak saptanmıştır. BT ve MRG'nin birlikte değerlendirildiği yöntemde yapay zeka modelinde duyarlılık %100, özgüllük %82 , doğruluk oranı %94, AUC 0,91 ve F1 skoru 0,95 bulunmuştur. Gözlemci A ve B için sırasıyla %90, %100, %94, 0,95 ve 0,95 olarak bulunmuştur. Sonuç: Geliştirilen yapay zeka modeli kolesteatomlu ve kolesteatomsuz KOM ayrımında iyi doğruluk oranları elde etmiştir. Elde edilen bulgular, yapay zeka destekli modellerin, özellikle karmaşık ve ayırıcı tanının zor olduğu durumlarda klinik karar destek sistemi olarak kullanılabileceğini öngörmektedir. Bu bağlamda, yapay zeka temelli görüntü analizi modelleri hem tanısal doğruluğun artırılmasında hem de radyologların iş yükünün azaltılmasında önemli bir potansiyele sahiptir.

Özet (Çeviri)

ABSTRACT Introduction: Chronic otitis media (COM) is a significant public health problem characterized by chronic inflammation of the middle ear. Cholesteatoma, an aggressive form of COM, can lead to bone erosion and severe complications. However, differentiating cholesteatoma from non-cholesteatomatous COM is not always straightforward clinically or radiologically. Therefore, accurate and early diagnosis is of critical importance for disease management and surgical planning. In recent years, artificial intelligence (AI) applications have begun to be utilized in medical imaging to support the diagnostic process and enhance objectivity. Objective: This study aims to evaluate the performance of a deep learning-based AI model developed using CT and MRI images in distinguishing between cholesteatomatous and non-cholesteatomatous chronic otitis media cases. Materials and Methods: This is a retrospective study conducted in two centers between 2017 and 2025, including patients who underwent surgery and had histopathologically confirmed diagnoses of cholesteatomatous or non-cholesteatomatous COM. A total of 153 patients and 158 ears were included. CT and MRI images were independently evaluated by two radiologists with different levels of experience, blinded to the AI analyses and histopathological results. Sensitivity, specificity, accuracy, positive/negative predictive values (PPV/NPV), F1 score, and AUC values were calculated for both radiologists and the AI model. Interobserver agreement and agreement between observers and the model were assessed using Kappa analysis. Results: The AI model evaluated the images of 32 ears in the test group. For CT, the AI model achieved a sensitivity of 90%, specificity of 91%, accuracy of 91%, AUC of 0.91, and an F1 score of 0.93. For Observer A, these values were 67%, 91%, 75%, 0.79, and 0.74, respectively; for Observer B, they were 62%, 91%, 72%, 0.76, and 0.71. In MRI evaluation, the AI model achieved a sensitivity of 100%, specificity of 82%, accuracy of 94%, AUC of 0.91, and an F1 score of 0.95. For Observer A, the values were 95%, 100%, 97%, 0.98, and 0.97, while for Observer B they were 90%, 100%, 94%, 0.95, and 0.95, respectively. In the combined CT and MRI assessment, the AI model reached a sensitivity of 100%, specificity of 82%, accuracy of 94%, AUC of 0.91, and an F1 score of 0.95. For Observer A and B, the values were 90%, 100%, 94%, 0.95, and 0.95, respectively. Conclusion: The developed AI model achieved high accuracy in distinguishing between cholesteatomatous and non-cholesteatomatous COM. The findings suggest that AI-assisted models may serve as effective clinical decision support tools, particularly in complex cases where differential diagnosis is challenging. In this context, AIbased imaging analysis models hold significant potential for improving diagnostic accuracy and reducing radiologists' workload.

Benzer Tezler

  1. Tez No

    44590

    Orta kulağın kronik inflamatuar hastalıklarında yüksek rezolüsyonlu bilgisayarlı tomografi

    Başlık çevirisi yok

    SERTAÇ ERALP

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1995

    Kulak Burun ve BoğazSağlık Bakanlığı

    DR. TURGUT GÜL

  2. Tez No

    165197

    Kronik süpüratif otitis mediyada preoperatif temporal kemik tomografisinin tanı ve tedavideki yeri

    The role preoperative temporal bone CT scaning in the diagnosis and treatment in choronic supurative otitis media

    RAMAZAN GÜN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2005

    Kulak Burun ve BoğazÇukurova Üniversitesi

    Kulak Burun Boğaz Ana Bilim Dalı

    DOÇ.DR. BARLAS AYDOĞAN

  3. Tez No

    203261

    Kronik otitis medialı olgularda preoperatif bilgisayarlı tomografi bulgularının operasyon bulguları ile değerlendirilmesi

    The evaluation of surgical findings with preoperative computed tomography findings in chronic otitis media cases

    FETHULLAH KENAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2008

    Kulak Burun ve BoğazAfyon Kocatepe Üniversitesi

    Kulak Burun Boğaz ve Baş-Boyun Cerrahisi Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAH AYÇİÇEK

  4. Tez No

    385238

    Meatus acusticus internus boyutları ile orta kulaktaki varyasyon ilişkilerinin incelenmesi

    Investigation of relation with internal acoustic Meatus size and middle ear variation

    İSKENDER AKBAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    AnatomiAfyon Kocatepe Üniversitesi

    Anatomi Ana Bilim Dalı

    YRD. DOÇ. DR. OZAN TURAMANLAR

  5. Tez No

    453861

    Kronik otitis media'lı hastalarda mastoid hacim ile cerrahi tedavi sonuçlarının ilişkisi

    The relationship between mastoid volume and surgical treatment results in chronic otitis media patients

    MEHMET TÜRKYILMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Kulak Burun ve BoğazÇanakkale Onsekiz Mart Üniversitesi

    Kulak Burun Boğaz Hastalıkları Ana Bilim Dalı

    PROF. DR. FEVZİ SEFA DEREKÖY

  6. Tez No

    501396

    Kolesteatomlu ve kolesteatomsuz kronik otitis media'lı hastaların preoperatif bilgisayarlı tomografisinde görülen yumuşak doku dansitelerinin hounsfield unit değerleri ayırıcı tanı ve takipte kullanılabilir mi?

    Can hounsfield unit of soft tissue densities apparent on preoperative computed tomography of the patients who had chronic otitis media with and without cholesteatoma, be used in differential diagnosis and follow-up?

    ŞEVKET AKSOY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    Kulak Burun ve BoğazSağlık Bilimleri Üniversitesi

    Kulak Burun Boğaz Hastalıkları Ana Bilim Dalı

    UZMAN KEMAL KESEROĞLU

Geri Dön