Fetal kardiyotokografi traselerini yorumlayabilen yapay zekâ modülü etkinliği
Effectiveness of an artificial intelligence module in interpreting fetal cardiotocography traces
- Tez No: 975472
- Danışmanlar: DOÇ. DR. NUMAN ÇİM
- Tez Türü: Tıpta Uzmanlık
- Konular: Kadın Hastalıkları ve Doğum, Obstetrics and Gynecology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Haseki Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Kadın Hastalıkları ve Doğum Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmada fetal monitorizasyon ile alınacak olan kardiyotokografi (KTG) verilerinin yapay zekâ modülü ile değerlendirilerek, fetal iyilik hali ve fetal stress (variabilite kaybı, erken deselerasyon, geç deselerasyon, uzamış deselerasyon) durumunun nesnel olarak saptanması ve bu veriler neticesinde fetal iyilik halinden sapma durumunda gerçekleşecebilecek enstrümental ve sezaryen doğum öngörüsünün tespiti amaçlanmıştır. Materyal ve Metod: Prospektif olarak planlanan çalışma kapsamında 01 Kasım 2024 - 30 Eylül 2025 tarihleri arasında Haseki Eğitim Araştırma Hastanesi Kadın Hastalıkları ve Doğum Servisi'nde doğum yapan gebelerin ve bebeğin bilgileri hasta dosyaları ve hastane otomasyon sistemi kullanılarak tıbbi bilgileri kayıt altına alındı. Kayıt altına alınan 352 hastadan 108 tanesi çalışma kriterlerine uyum sağladığı için araştırmaya dahil edildi. Çalışmaya alınan tüm gebelerin yaş, gravida, parite, gebelik haftası, obstetrik hikayeleri ve bilgileri, doğum indüksiyonu veya augmentasyonu uygulanıp-uygulanmadığı, uygulandıysa nelerin hangi dozda ne kadar süre uygulandığı (oksitosin, dinoproston), non-stress test (NST) yorumu, doğum şekli, bebeğin cinsiyet, bebeğin doğum ağırlığı, 1. ve 5. dakika Apgar skoru, fetal umblikal ven kord rutin kan gazı sonuçları, travay/doğum/doğum sonrası dönemde gerçekleşen komplikasyonlar çalışma formuna işlenecektir. Doğum travayı takibi sırasında fetal monitör cihazı ile (SeaMed, Çin) rutin uterin kontraksiyon ve eş zamanlı fetal kalp atımı takibi yapılırken bu veriler Python yazılım dili ile Visual Studio Code platformu üzerinden geliştirilen yapay zekâ modulüne aktarıldı ve KTG parametreleri yapay zekâ modülü ile değerlendirildi. Daha sonra travay takibini yapan hekimin KTG yorumu ve buna bağlı gerçekleşen doğum şekli verileri alınarak yapay zekâ yazılımından çıkan sonuçlar ile karşılaştırıldı. Ek olarak travay takibini yapan hekime farklı zamanda KTG trasesi tekrar yorumlatıldı. Elde edilen verilerin tanımlayıcı ve ileri düzey istatistikleri yapıldı. Bulgular: Bu çalışmada toplam 108 term gebeye ait kardiyotokografi kayıtları değerlendirilmiştir. Olguların yaş ortalaması 27,48 ± 6,08 yıl, gebelik haftası ortalaması 38,64 ± 1,59 hafta, doğum ağırlığı ortalaması ise 2976,44 ± 561,98 11 gram olarak bulunmuştur. Ortalama gravida 2,57 ± 0,99, parite 0,89 ± 1,02, 1. dakika Apgar 8,05 ± 1,34, 5. dakika Apgar 9,28 ± 0,96 olup, 5. dakika Apgar skorlarının 1. dakika değerlerine göre belirgin şekilde daha yüksek olduğu saptanmıştır. Çalışmaya dahil edilen gebelerin %77'si sezaryen, %23'ü normal spontan doğum ile doğum yapmış, yenidoğanların %64'ü erkek, %36'sı kız olarak kaydedilmiştir. Olguların %86,1'inde peripartum komplikasyon izlenmemiş yalnızca %13,9'unda komplikasyon gelişmiştir. Katılımcıların %44'üne augmentasyon uygulanmazken, yalnızca dinoproston verilenlerde uygulama süresi ortalama 9,24 ± 3,82 saat, yalnızca oksitosin verilenlerde 6,03 ± 3,83 saat, her ikisinin birlikte uygulandığı olgularda ise 12 ± 3,61 saat olarak belirlenmiştir. NST yorumları açısından doktorun birinci görüşü, yapay zekâ modülü ve doktorun ikinci görüşü arasında Fleiss Kappa değeri 0,625 (p < 0,001) olarak bulunmuş ve bu sonuç yüksek düzeyde uyumu göstermiştir. Yapay zekâ yorumları ile doktorun ikinci değerlendirmesi arasında büyük oranda paralellik saptanmıştır. Kardiyotokogramların patolojik ve reaktif dağılımları incelendiğinde, yapay zekâ tarafından %50'sinin patolojik, %50'sinin reaktif olarak değerlendirildiği; hekimin birinci görüşünde %65,7'sinin patolojik, %34,3'ünün reaktif; ikinci görüşünde ise %50,9'unun patolojik, %49,1'inin reaktif olarak değerlendirildiği belirlenmiştir. Aynı hekimin ikinci değerlendirmesiyle yapay zekâ sonuçlarının birbirine oldukça yakın olduğu görülmüştür. Umblikal ven kan gazı analizinde bebeklerin %53,7'sinde pH < 7,35 (asidozla uyumlu), %46,3'ünde pH ≥ 7,35 (normal) değerler elde edilmiş, ancak pH değerleri ile yapay zekâ veya doktor yorumları arasında istatistiksel olarak anlamlı ilişki gözlenmemiştir (p > 0,05). Augmentasyon alt grupları değerlendirildiğinde, augmentasyon uygulanmayan olgularda yapay zekâ ile hekimin ikinci görüşü arasındaki uyum istatistiksel olarak anlamlı bulunmuştur (p < 0,001). Yalnız dinoproston verilen olgularda değişkenler arasında anlamlı fark izlenmezken (p > 0,05), yalnız oksitosin uygulananlarda yapay zekâ ile hekimin birinci görüşü arasında anlamlı fark saptanmış (p < 0,05), ancak hekimin birinci ve ikinci değerlendirmesi arasında fark bulunmamıştır. Dinoproston ve oksitosin birlikte uygulanan az sayıdaki olguda (n = 5) tüm karşılaştırmalarda anlamlı fark saptanmamıştır (p > 0,05). Genel olarak, yapay zekâ modülünün kardiyotokogramdaki fetal ve uterin trase paternlerini klinisyenlerle yüksek düzeyde paralel biçimde sınıflandırdığı, özellikle reaktif NST'lerin doğru tanımlanmasında 12 duyarlılığının yüksek olduğu ve klinik karar destek aracı olarak kullanılabilirliğini destekleyen bulgular elde edilmiştir. Sonuç: Bu çalışmada geliştirilen yapay zekâ modülü, fetal kardiyotokogramların yorumlanmasında klinisyen değerlendirmeleriyle yüksek düzeyde uyum göstermiştir. Aynı kaydın aynı hekim tarafından farklı zamanlarda farklı biçimde değerlendirilmesi, insan faktörüne bağlı değişkenliği ortaya koyarken, yapay zekâ sisteminin tutarlılığını vurgulamıştır. Sonuç olarak, geliştirilen modülün fetal iyilik halinin değerlendirilmesinde objektif, hızlı ve güvenilir bir destek aracı olarak klinik uygulamalara entegre edilebileceği düşünülmektedir.
Özet (Çeviri)
Aim: In this study, it was aimed to objectively determine fetal well-being and fetal stress conditions (absent variability, early deceleration, late deceleration, prolonged deceleration.) by evaluating cardiotocography (CTG) data obtained through fetal monitoring using an artificial intelligence (AI) module, and to predict the likelihood of instrumental or cesarean delivery in cases of deviation from fetal well-being based on these data. Materials and Methods: In this prospectively designed study, the medical data of pregnant women who gave birth at the Department of Obstetrics and Gynecology of Haseki Training and Research Hospital between November 1, 2024, and September 30, 2025, were recorded using patient files and the hospital automation system. Of the 352 patients whose data were recorded, 108 met the inclusion criteria and were included in the study. For all participants, maternal age, gravida, parity, gestational week, obstetric history and background, whether labor induction or augmentation was applied (and if so, the type, dosage, and duration of administration—oxytocin, dinoprostone), non- stress test (NST) interpretation, mode of delivery, newborn sex, birth weight, 1st- and 5th-minute Apgar scores, fetal umbilical vein cord blood gas results, and complications occurring during labor, delivery, or the postpartum period were recorded in the study form. During labor monitoring, routine uterine contractions and simultaneous fetal heart rate monitoring were performed using a fetal monitor device (SeaMed, China). These data were transferred to an artificial intelligence (AI) module developed in the Python programming language on the Visual Studio Code platform, where cardiotocography (CTG) parameters were analyzed by the AI module. Subsequently, the CTG interpretations of the attending physicians during labor and the resulting mode of delivery data were compared with the AI module's outputs. In addition, the attending physician was asked to re-evaluate the same CTG trace at a different time. 14 Descriptive and advanced statistical analyses were then performed on the obtained data. Results: A total of 108 term pregnancies were evaluated in this study using cardiotocography (CTG) records. The mean maternal age was 27.48 ± 6.08 years, the mean gestational age was 38.64 ± 1.59 weeks, and the mean birth weight was 2976.44 ± 561.98 grams. The mean gravida was 2.57 ± 0.99, parity was 0.89 ± 1.02, the mean 1st-minute Apgar score was 8.05 ± 1.34, and the mean 5th-minute Apgar score was 9.28 ± 0.96, indicating a significant improvement from the first to the fifth minute. Among all cases, 77% delivered by cesarean section and 23% by normal spontaneous delivery. Of the newborns, 64% were male and 36% were female. Peripartum complications were not observed in 86.1% of the cases, while 13.9% experienced complications. Augmentation was not applied in 44% of the participants. The mean duration of induction was 9.24 ± 3.82 hours for those who received dinoprostone, 6.03 ± 3.83 hours for those who received oxytocin, and 12 ± 3.61 hours for those who received both agents. Regarding NST interpretations, the Fleiss' Kappa coefficient between the physician's first assessment, the artificial intelligence (AI) module, and the physician's second assessment was 0.625 (p < 0.001), indicating a high level of agreement. A strong parallelism was observed between the AI interpretations and the physician's second evaluations. When the distribution of pathological and reactive CTG patterns was examined, the AI classified 50% as pathological and 50% as reactive; the physician's first interpretation classified 65.7% as pathological and 34.3% as reactive; and the second interpretation classified 50.9% as pathological and 49.1% as reactive. The results of the physician's second evaluation were found to be highly consistent with those of the AI. Umbilical venous blood gas analysis showed pH < 7.35 (compatible with acidosis) in 53.7% of newborns and pH ≥ 7.35 (normal) in 46.3%. However, no statistically significant correlation was found between pH values and the AI or physician interpretations (p > 0.05). When augmentation subgroups were analyzed, a statistically significant agreement was found between the AI and the physician's second assessment in patients without augmentation (p < 0.001). No significant differences were observed among patients who received only dinoprostone (p > 0.05). In patients who received only oxytocin, a significant difference was found 15 between the AI and the physician's first assessment (p < 0.05), but not between the physician's first and second assessments. In the small subgroup that received both dinoprostone and oxytocin (n = 5), no significant differences were detected in any comparison (p > 0.05). Overall, the artificial intelligence (AI) module demonstrated a high level of concordance with clinicians in classifying fetal and uterine trace patterns on cardiotocograms. The findings particularly indicated that the AI module had high sensitivity in accurately identifying reactive NSTs, supporting its potential utility as a clinical decision-support tool. Conclusion: The artificial intelligence module developed in this study demonstrated a high level of concordance with clinicians' evaluations in interpreting fetal cardiotocograms. The variability observed when the same recording was assessed differently by the same clinician at different times underscores the influence of human factors, while highlighting the consistency of the AI system. In conclusion, the developed model is considered a reliable, objective, and rapid decision-support tool that can be integrated into clinical practice for the assessment of fetal well- being.
Benzer Tezler
- Akut fetal distres nedeniyle operatif doğum yaptırılan hastaların fetal monitorizasyon ile fetal umblikal arter kan gazı, apgar skorunun korelasyonun değerlendirilmesi
Operative delivery due to acute fetal distressevaluation of corelation of fetal monitorization and fetal umblycal artery blood gas and apgar score
AYLİN ORHANER
Tıpta Uzmanlık
Türkçe
2019
Kadın Hastalıkları ve DoğumBursa Uludağ ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. BİLGE ÇETİNKAYA DEMİR
- İntrapartum fetal pulse oksimetre ölçümlerinin farklı elektrokardiyotokografik paternlerle ve neonatal sonuçlarla ilişkisi
The relation of intrapartum fetal pulse oximeter measurements with different electrocardiotocographic patterns and newborn results
ARZU BİLGE TEKİN
Tıpta Uzmanlık
Türkçe
2007
Kadın Hastalıkları ve DoğumKocaeli ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
YRD. DOÇ. DR. SEBİHA ÖZDEMİR ÖZKAN
- Miad aşımı gebeliklerin değerlendirilmesinde kardiotokografi, mekonyum varlığı, amniotik sıvı indeksi, apgar skorlarının, umblikal arter kan gazı ve ve umblikal venöz eritropoetinin önemi
The role of cardiotocography,presence of meconium, amnitotic fluid index, apgar score , umblical cord arterial blood gases and umblical cord venous erythropoeitin levels in evaluating fetal well being in postterm pregnancy.
AYŞE SEYHAN ATA
Tıpta Uzmanlık
Türkçe
2006
Kadın Hastalıkları ve DoğumSağlık BakanlığıKadın Hastalıkları ve Doğum Ana Bilim Dalı
DR. BİLHAN SİDAL
- İntrapartum kardiotokografi, mekonyum ve apgar skorlarının umbilikal arter pH değerleri ile korelasyonu
Başlık çevirisi yok
H. FAHRİ İNAN
- Fetal kardiyotokografi, perinatal mortalite ve sectio ceasaria abdominalis
Başlık çevirisi yok
YAŞAR TUNÇ
Tıpta Uzmanlık
Türkçe
1984
Kadın Hastalıkları ve Doğumİstanbul ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı