Geri Dön

Yenidoğan yoğun bakım ünitesinde tedavi gören prematüre yenidoğanların akciğer grafilerinden makine öğrenmesi yöntemiyle bronkopulmoner displazinin öngörülmesi

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 906159
  2. Yazar: GÖZDE ÖZÇELİK
  3. Danışmanlar: DOÇ. DR. SARA EROL
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Göğüs Hastalıkları, Chest Diseases
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Ankara Bilkent Şehir Hastanesi
  11. Ana Bilim Dalı: Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ÖZET Amaç: Prematüre bebekler için önemli bir morbidite olan bronkopulmoner displazinin (BPD) önceden tahmini ile ilgili, her klinikte yaygın olarak kullanılan akciğer grafilerinin makine öğrenmesiyle değerlendirilmesi için bir yapay zekâ modeli geliştirilmesi ve değerlendirme sonuçlarının klinik sonuçlara göre doğruluğunun belirlenmesi bu çalışmanın amacıdır. Gereç ve Yöntem: Ankara Bilkent Şehir Hastanesi (Çocuk Hastalıkları ve Kadın Doğum Hastanesi) yenidoğan yoğun bakım ünitesinde 1 Ocak 2020 – 31 Aralık 2021 tarihleri arasında ≤ 28 hafta ve <1250 gram doğan prematüre bebeklerin tıbbi kayıtları elde edilmiştir. Bu retrospektif model geliştirme ve validasyon çalışmasında çalışmaya katılan hastaların postnatal 1. gün, 2.,3. ve 4. haftalarda çekilen akciğer grafilerinin veri kümesi ve test kümesini oluşturduğu DenseNet121 derin öğrenme mimarisi kullanılarak BPD gelişmeme, hafif, orta ve ağır BPD gelişme durumlarına ilişkin öngörü sunan bir yapay zekâ modeli geliştirildi. Hastaların klinik sonuçlarına göre geliştirilen yapay zekâ modelinin doğruluğu test edildi. Bulgular: Çalışmaya median doğum ağırlığı 990 (840-1120) gram olan 122 prematüre alındı. Hastaların 33(%27)' ünde BPD gelişmezken, 24 (%19.7)'ünde hafif BPD, 28 (%23)'inde orta BPD, 37 (%30)'sinde ağır BPD tanısı aldı. BPD'nin öngörülmesi için geliştirilen yapay zekâ modeli için hastalara ait 395 akciğer grafisi kullanıldı. Geliştirilen yapay zekâ modeliyle ağır, orta, hafif BPD gelişme ve BPD gelişmeme tahmininin doğruluk gücünü gösteren AUC değerleri 1. gün akciğer grafileri için sırasıyla 0.79, 0.75, 0.82, 0.82; 2. hafta akciğer grafileri için 0.88, 0.82, 0.74, 0.94; 3. hafta için 0.87, 0.83, 0.88, 0.96 ve 4. hafta için 0.90, 0.82, 0.86, 0.97 olarak saptandı. Sonuç: Geliştirilen yapay zekâ modeli, akciğer grafilerine göre BPD'nin tanınmasında ve ağırlığına göre sınıflamasında başarılı olmuştur. Daha geniş kontrol ve tanıtım kümeleri oluşturularak yapay zekâ yazılımın doğruluğu artırılabilir. Bu çalışmaya benzer çalışmaların artması ve klinik pratikte kullanılması, BPD'nin daha ilk haftalardan hatta ilk günlerden doğru şekilde öngörülmesine ve koruyucu stratejilerin uygulanabilmesine olanak sağlayacaktır.

Özet (Çeviri)

ABSTRACT Objective: The aim of this study was to develop an artificial intelligence model for the machine learning evaluation of chest radiographs commonly used in every clinic for the prediction of bronchopulmonary dysplasia (BPD), which is an important morbidity for premature infants, and to determine the accuracy of the evaluation results according to clinical results. Materials and Methods: Medical records of premature infants born ≤ 28 weeks and <1250 grams between January 1, 2020 and December 31, 2021 in the neonatal intensive care unit of Ankara Bilkent City Hospital (Pediatrics and Obstetrics Hospital) were obtained. In this retrospective model development and validation study, an artificial intelligence model was developed using the DenseNet121 deep learning architecture, in which the chest radiographs taken on postnatal day 1, 2nd, 3rd and 4th weeks of the patients participating in the study constitute the dataset and test set, and an artificial intelligence model was developed that provides predictions for the absence of BPD, mild, moderate and severe BPD development. The accuracy of the artificial intelligence model was tested according to the clinical outcomes of the patients. Results: The study included 122 premature infants with a median birth weight of 990 (840-1120) grams. While 33 (27%) of the patients did not develop BPD, 24 (19.7%) had mild BPD, 28 (23%) had moderate BPD and 37 (30%) had severe BPD. For the artificial intelligence model developed to predict BPD, 395 chest radiographs of the patients were used. The AUC values showing the accuracy of the prediction of severe, moderate, mild BPD and no BPD by the developed artificial intelligence model were 0.79, 0.75, 0.82, 0.82 for day 1 chest radiographs; 0.88, 0.82, 0.74, 0.94 for week 2 chest radiographs; 0.87, 0.83, 0.88, 0.96 for week 3; and 0.90, 0.82, 0.86, 0.97 for week 4, respectively. Conclusion: The developed artificial intelligence model was successful in recognizing BPD according to chest radiographs and classifying it according to severity. The accuracy of the artificial intelligence software can be increased by creating larger control and demonstration sets. Increasing the number of studies similar to this study and using them in clinical practice will allow BPD to be accurately predicted from the first weeks or even the first days and preventive strategies can be applied.

Benzer Tezler

  1. Tez No

    651784

    Yenidoğanlarda patent duktus arteriyozusun agresif tedavi ile veya tedavisiz takibinin etkilerinin incelenmesi

    Investigation of the effects of aggressive treatment with or without treatment of patent ductus arteriosus in newborns

    SUNA ADEVİYE DİNÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Çocuk Sağlığı ve HastalıklarıSelçuk Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. HANİFİ SOYLU

  2. Tez No

    388461

    Akdeniz Üniversitesi Tıp Fakültesi hastanesi yenidoğan yoğun bakım ünitesinde 2009 - 2013 tarihleri arasında yatan 1500 GR ve altı preterm yenidoğanların klinik seyri ve mortalitesi

    Morbidity and mortality rates of very low birth weight infants in Akdeniz University Hospital in between january 2009 - december 2013

    ZEYNEP İBİŞOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Çocuk Sağlığı ve HastalıklarıAkdeniz Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. MUSTAFA AKÇAKUŞ

  3. Tez No

    1001710

    Yenidoğanın geçici takipnesi nedeniyle yenidoğan yoğun bakım ünitesinde tedavi almış geç preterm ve term bebeklerin demografik ve klinik özelliklerinin incelenmesi

    Evaluation of demographic and clinical characteristics of late preterm and term infants treated in the neonatal intensive care unit for transient tachypnea of the newborn

    ALAAEDDİN SALEH

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. FATMA HİLAL YILMAZ

  4. Tez No

    243158

    Yenidoğan yoğunbakım ünitesinde respiratuar distres tanısı alan olgularda surfaktan tedavisi sonuçlarının retrospektif değerlendirilmesi

    Resrospective evaluation of surfactant therapy results on newborn followed up with the diagnosis of respiratory distress syndrome in the newborn intensive care unit

    BURCU DEDE

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2009

    Çocuk Sağlığı ve HastalıklarıOndokuz Mayıs Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. ŞÜKRÜ KÜÇÜKÖDÜK

  5. Tez No

    926857

    Prematüre doğan yenidoğanlarda nötrofil/lenfosit oranı ile respiratuvar distres sendromu arasındaki ilişki

    The relationship between neutrophil/lymphocyte ratio and respiratory distress syndrome in premature newborns

    RÜMEYSA AĞIR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Çocuk Sağlığı ve HastalıklarıAydın Adnan Menderes Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. ABDULLAH BARIŞ AKCAN

Geri Dön