Çocuklarda apandisit tanısında yapay zekâ destekli karar sistemlerinin kullanımı: Prospektif bir çalışma
The use of artificial intelligence-assisted decision systems in the diagnosis of appendicitis in children: A prospective study
- Tez No: 992062
- Danışmanlar: PROF. DR. ÇETİN ALİ KARADAĞ
- Tez Türü: Tıpta Uzmanlık
- Konular: Çocuk Cerrahisi, Pediatric Surgery
- Anahtar Kelimeler: Akut apandisit, makine öğrenimi, çocuk, İnsan-yapay zeka etkileşimi, Acute appendicitis, machine learning, children, Human-artificial intelligence interaction
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Şişli Hamidiye Etfal Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Çocuk Cerrahisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Apandisitin cerrahi olmayan yönetimine doğru bir eğilim vardır ve bu da preoperatif tanı ve sınıflandırmaya olan ihtiyacın artmasına neden olur. Tıbbi amaçlar için, öğrenebilen basit kavramsal karar verme modelleri yaygın olarak kullanılır. Karar ağaçları, yüksek sınıflandırma doğruluğu sağlayan güvenilir ve etkili tekniklerdir. Makine öğrenimi algoritmalarını kullanarak apandisiti tespit edip edemeyeceğimizi ve karmaşık olmayan vakaları karmaşık vakalardan ayırt edip edemeyeceğimizi test etmek istiyoruz. Gereç ve Yöntem: Çalışma Haziran 2025- Ekim 2025 tarihleri arasında çocuk cerrahisi kliniğinde karın ağrısı nedeniyle takip edilen hastalar ve opere edilen akut apandisit hastalarının takiplerinde kaydedilen verilerle gerçekleştirilmiştir. İstatistiksel analiz için SPSS 15.0 for Windows programı kullanıldı. Tanımlayıcı istatistikler; kategorik değişkenler için sayı ve yüzde, sayısal değişkenler için ortalama, standart sapma, minumum, maksimum, median olarak verildi.Sayısal değişkenlerin karşılaştırmaları normal dağılım koşulu sağlanmadığından bağımsız iki grupta Mann Whitney U Testi yapıldı. Gruplarda oranlar Ki Kare testi ile karşılaştırıldı. Alfa anlamlılık seviyesi p˂0,05 olarak kabul edildi. Bulgular: Çalışmamızda akut apandisit ön tanısıyla opere ettiğimiz hastalarda ,eksplorasyonda apandisit olmayan olgular ve karın ağrısı nedeniyle takip edilip eksplorasyon yapılmayan hastalar XGBOOST modeliyle değerlendirildiğinde %87.23lük genel doğruluk ve özellikle klinik önceliği yüksek olan apandisit olmayan vakalar için ulaşılan %75 lik duyarlılık (recall) ve %82 lik kesinlik (precision) oranına ulaşmıştır. FM bulguları olmadan ablasyon modelinde duyarlılık ve kesinlik oranlarında düşüş olmuştur . Ayrıca takip karın ağrılarının veri setlerinden çıkartılmasıyla oluşturulan algoritmada ise negatif eksplorasyon yapılan hastalarının verilerinin modelin eğitilmesi için yeterli olmadığı daha fazla veri ihtiyacı olduğu izlenmiştir. Sonuç: Geliştirilen modelin teorik bir çalışma olmanın ötesinde, pratik bir klinik değere sahip olabileceğini göstermektedir. Öte yandan fm bulguları olmadan yapılan ablasyon modeliyle de yapay zekanın tek başına rakamsal verilerle tanı koyma oranının düştüğünü bize göstermiştir. Geliştirilen model, daha önce görülmemiş test verileri üzerinde %87.23lük genel bir doğruluk oranına ulaşmıştır,acil servise başvuran ve apandisit şüphesi olan hastalarda etkili bir erken uyarı ve triyaj aracı olarak kullanılabileceği anlamına gelir.
Özet (Çeviri)
Aim: There is a trend toward non-surgical management of appendicitis, which increases the need for preoperative diagnosis and classification. For medical purposes, simple conceptual decision-making models that can be learned are widely used. Decision trees are reliable and effective techniques that provide high classification accuracy. We want to test whether we can detect appendicitis using machine learning algorithms and whether we can distinguish uncomplicated cases from complicated ones. Materials and Methods: The study was conducted between June 2025 and October 2025 using data recorded during the follow-up of patients monitored for abdominal pain and patients operated on for acute appendicitis at the pediatric surgery clinic. The SPSS 15.0 for Windows program was used for statistical analysis. Descriptive statistics were presented as number and percentage for categorical variables and as mean, standard deviation, minimum, maximum, and median for numerical variables. Since the condition of normal distribution was not met for the comparisons of numerical variables, the Mann Whitney U Test was performed on two independent groups. The proportions in the groups were compared using the Chi-square test. The alpha significance level was set at p < 0.05. Results: In our study, patients who underwent surgery with a preliminary diagnosis of acute appendicitis, cases without appendicitis found during exploration, and patients monitored for abdominal pain without undergoing exploration were evaluated using the XGBOOST model, achieving 87% overall accuracy. 23 overall accuracy rate was achieved, and specifically for non-appendicitis cases with high clinical priority, a sensitivity (recall) rate of 75% and a precision rate of 82% were attained. Sensitivity and precision rates decreased in the ablation model without FM findings. Furthermore, in the algorithm created by removing follow-up abdominal pain cases from the datasets, it was observed that the data from patients who underwent negative exploration was insufficient for training the model, indicating a need for more data. Conclusion: The developed model demonstrates that it can have practical clinical value beyond being a theoretical study. On the other hand, the ablation model performed without FM findings has shown us that the rate of diagnosis by artificial intelligence alone using numerical data has decreased. The developed model achieved an overall accuracy rate of 87.23% on previously unseen test data, meaning it can be used as an effective early warning and triage tool for patients presenting to the emergency department with suspected appendicitis.
Benzer Tezler
- Akut apandisit tanısında ultrasonografinin klinik tanı ile uyumu
Compatibility of the ultrasonography with the clinical diagnosis in acute appendicitis
MURAT YİĞİTER
Tıpta Uzmanlık
Türkçe
2004
Çocuk CerrahisiAtatürk ÜniversitesiÇocuk Cerrahisi Ana Bilim Dalı
PROF. DR. BEDİİ SALMAN
- Çocuk acil servisinde akut apandisit tanısı alan hastalarda pediatrik apandisit skorlamasının değerleri ile abdominal ultrasonografi bulguları ve abdominal bilgisayarlı tomografi bulgularının karşılaştırılması
Comparison of pediatric appendicitis scoring values with abdominal ultrasonography findings and abdominal computed tomography findings in patients diagnosed with acute appendicitis in the pediatric emergency department
BURCU VURAL ATALAY
Tıpta Uzmanlık
Türkçe
2022
Çocuk Sağlığı ve HastalıklarıEskişehir Osmangazi ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. SABİHA ŞAHİN
- Çocuklarda akut apandisit tanısında yüksek rezolüsyonlu ultrasonografi
Başlık çevirisi yok
ALİ KUMBASAR
- Çocuklarda akut apandisit tanısında spiral bilgisayarlı tomografinin yeri
The role of helical computed tomography in the diagnosis of acute appendicitis in pediatric patients
SERDAR AYÇİÇEK
Tıpta Uzmanlık
Türkçe
2005
Radyoloji ve Nükleer TıpAnkara ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ.DR. SUAT FİTOZ
- Çocuklarda akut apandisit tanısında hekimin yeri ve morbiditeye etkisinin değerlendirilmesi
The importance of doctors in the diagnosis of acute appendicitis in children and evaluation of the effect on morbidity
SÜLEYMAN ARİF BOSTANCI