Acil serviste periferik ve santral vertigo tanısında yapay zeka destekli bir sistemin tasarlanması ve klinik önemi
Design and clinical significance of an artificial intelligence-assisted system for diagnosing peripheral and central vertigo in the emergency department
- Tez No: 997036
- Danışmanlar: DOÇ. DR. ERDAL TEKİN
- Tez Türü: Tıpta Uzmanlık
- Konular: Acil Tıp, Emergency Medicine
- Anahtar Kelimeler: Vertigo, akut vestibüler sendrom, yapay zekâ, makine öğrenmesi, Random Forest, acil servis, Vertigo, acute vestibular syndrome, artificial intelligence, machine learning, Random Forest, emergency department
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Akut baş dönmesi şikâyeti ile acil servise başvuran hastalarda periferik ve santral vertigo ayrımı klinik açıdan önemli olup tanısal gecikmeler ciddi morbidite ve mortaliteye yol açabilmektedir. Bu çalışmanın amacı, acil serviste akut baş dönmesi ile başvuran hastalarda periferik ve santral vertigo ayrımını destekleyebilecek yapay zekâ tabanlı bir karar destek modeli geliştirmek ve model performansını değerlendirmektir. Yöntem: Bu prospektif gözlemsel çalışmaya akut baş dönmesi şikâyeti ile başvuran 140 hasta dahil edildi. Hastalar klinik öykü, fizik muayene bulguları, vestibüler testler ve difüzyon manyetik rezonans görüntüleme(MRG) sonuçlarına göre periferik (n=86) ve santral (n=54) vertigo olarak sınıflandırıldı. Veri seti %80 eğitim ve %20 test olacak şekilde ayrıldı. Lojistik regresyon (LR), destek vektör makineleri (SVM) ve rastgele orman (RF) modelleri oluşturuldu. Model performansı Receiver Operating Characteristic-Area Under the Curve(ROC-AUC), doğruluk, duyarlılık, kesinlik ve F1 skorları ile değerlendirildi. Klinik öncelik santral vertigonun kaçırılmaması olduğundan karar eşikleri duyarlılık öncelikli olarak optimize edildi. Model yorumlanabilirliği için feature importance ve Shapley Additive Explanations(SHAP) analizleri uygulanırken performans belirsizliği bootstrap yöntemi ile değerlendirildi. Bulgular: Çalışmaya dahil edilen hastaların %61,4'ü periferik, %38,6'sı santral vertigo olarak sınıflandırıldı. Santral vertigo grubunda yürüme güçlüğü, konuşma bozukluğu, nörolojik defisit, ataksi ve diğer serebellar bulgular anlamlı olarak daha sık saptandı. Periferik vertigoda ise çınlama, kulak dolgunluğu ve Dix-Hallpike pozitifliği daha yüksek bulundu. Makine öğrenmesi modelleri arasında en yüksek ayırt edici performans Random Forest(RF) modeli ile elde edildi (ROCAUC=0,92). Optimize edilmiş eşik değeri ile RF modelinin doğruluk oranı %78,6, duyarlılığı %90,9 ve özgüllüğü %70,5 olarak hesaplandı. Bootstrap analizi ile model performansının güven aralıkları %95 düzeyinde doğrulandı. SHAP ve feature importance analizlerinde Dix-Hallpike testi, baş dönmesi şiddeti, nörolojik defisit ve yürüyüş bozukluğu model kararında en etkili değişkenler olarak belirlendi. Sonuç: Bu çalışma, akut baş dönmesi ile başvuran hastalarda periferik ve santral vertigo ayrımında yapay zekâ tabanlı modellerin klinik karar sürecini destekleyebileceğini göstermektedir. Özellikle RF modeli yüksek ayırt edici performansı ve yüksek duyarlılığı ile santral vertigonun erken tanısında yardımcı bir araç olarak kullanılma potansiyeline sahiptir.
Özet (Çeviri)
Objective: Differentiating between peripheral and central vertigo in patients presenting to the emergency department with acute dizziness is clinically critical, as diagnostic delays may lead to serious morbidity and mortality. The aim of this study was to develop and evaluate an artificial intelligence–based decision support model to assist in distinguishing peripheral and central vertigo in patients presenting with acute dizziness in the emergency department. Methods: In this prospective observational study, a total of 140 patients presenting to the emergency department with acute dizziness were included. Patients were classified as peripheral vertigo (n=86) or central vertigo (n=54) based on clinical history, physical examination findings, vestibular tests, and diffusion MRI results. The dataset was divided into training (80%) and test (20%) sets. Three machine learning models were developed: Logistic Regression (LR), Support Vector Machine (SVM), and RF. Model performance was evaluated using ROC-AUC, accuracy(ACC), precision, recall, and F1 score. Since the primary clinical priority was not to miss central vertigo cases, decision thresholds were optimized to maximize sensitivity. Model interpretability was evaluated using feature importance and SHAP analyses, while performance uncertainty was assessed using bootstrap resampling. Results: Among the included patients, 61.4% were classified as peripheral vertigo and 38.6% as central vertigo. Neurological symptoms such as gait disturbance, speech impairment, neurological deficits, ataxia, and other cerebellar findings were significantly more common in the central vertigo group. In contrast, tinnitus, ear fullness, and positive Dix-Hallpike test results were more frequent in peripheral vertigo. Among the machine learning models, the RF model demonstrated the highest discriminative performance (ROC-AUC=0.92). With the optimized threshold, the RF model achieved an ACC of 78.6%, sensitivity of 90.9%, and specificity of 70.5%. Bootstrap analysis confirmed the robustness of the model performance with 95% confidence intervals. SHAP and feature importance analyses identified Dix-Hallpike test, dizziness severity, neurological deficit, and gait disturbance as the most influential predictors in the model. Conclusion: The findings of this study suggest that artificial intelligence– based models may support clinical decision-making in distinguishing peripheral and central vertigo in patients presenting with acute dizziness. In particular, the RF model demonstrated high discriminative performance and sensitivity, indicating its potential usefulness as a supportive tool for the early detection of central vertigo in emergency department settings.
Benzer Tezler
- Baş dönmesi şikayeti ile acil servise başvuran hastaların epidemiyolojik özellikleri, klinik ve odyovestibüler test sonuçlarının değerlendirilmesi
Assessment of epidemiological characteristics, clinical and audiovestibular results of patients who applied to the emergency department with the complaint of dizziness
OYA AKPINAR ORUÇ
Tıpta Uzmanlık
Türkçe
2011
Acil TıpAfyon Kocatepe Üniversitesiİlk ve Acil Yardım Ana Bilim Dalı
YRD. DOÇ. DR. NEŞE NUR USER
- Kan C-Reaktif protein, D-Dimer ve fibrinojen düzeylerinin santral ve periferik vertigo ayırıcı tanısındaki yeri
Importance of levels of blood C-Reactive protein, D-Dimer and fibrinogen in differantial diagnosis of central and peripheric vertigo
EMİNE AKINCI
Tıpta Uzmanlık
Türkçe
2006
İlk ve Acil YardımGazi Üniversitesiİlk ve Acil Yardım Ana Bilim Dalı
Ş. GÜLBİN AYGENCEL
- Baş dönmesi şikayetiyle acil servise başvuran hastalarda Head-thrust (Baş çevirme) testinin periferik ve santral vertigo ayırıcı tanısındaki yeri
The importance of head-thrust test in differential diagnosis of peripheral and central vertigo in patients presenting to emergency service with dizziness
SERTAÇ GÜLER
- Baş dönmesi şikayeti ile acil servise başvuranhastalarda HINTS plus testinin periferik vesantral vertigo ayırıcı tanısındaki değerininaraştırılması: Prospektif kesitsel çalışma
Investigation of the diagnostic value of the HINTS plus test in differentiating peripheral and central vertigo in patients presenting to the emergency department with complaints of dizziness
AHMET COŞKUN
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. ALP ŞENER
- Acil servise baş dönmesi şikayeti ile başvuran hastalarda bilgisayarlı tomografide optik sinir çapının ayırıcı tanıdaki öneminin değerlendirilmesi
Evaluation of the importance of optic nerve diameter in computed tomography in differential diagnosis in patients admitting to the emergency department with dizziny complaints
KEMAL ÖZMEN
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. BURAK DEMİRCİ