Mı̇yokart perfüzyon sı̇ntı̇grafı̇sı̇nde ı̇skemı̇ tespı̇t edı̇len hastalarda koroner arter hastalığı tanısında yapay zeka uygulamalarının rolü
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, KAYSERİ ŞEHİR SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, DAHİLİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: HİLAL YILDIZ
Danışman: Seyhan KARAÇAVUŞ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: alışmamızda miyokart perfüzyon sintigrafisi (MPS) değerlendirmede kullanılan on yedi segmentli semikantitatif skorlama sistemindeki parametreler ile derin öğrenme tabanlı yapay zeka analizlerinin ≥%5 koroner arter darlığını dolayısıyla koroner arter hastalığını (KAH) belirlemedeki doğruluklarının belirlenmesi ve bu iki yöntemin performanslarının karşılaştırılması amaçlanmıştır. Gereç ve Yöntem: Ocak 2 1 Ocak 2 23 tarihleri arasında MPS uygulanan ve en geç 3 ay içinde koroner anjiyografi yapılan 5 3 hasta çalışmaya dahil edilmiştir. Koroner anjiografide ilgili damarda %5 ve üzerindeki darlık KAH lehine değerlendirilmiştir. MPS görüntüleri 17 segmentli model kullanılarak semikantitatif olarak değerlendirilmiş olup toplam stres skoru (SSS), toplam istirahat skoru (SRS) ve toplam fark skoru (SDS) değerleri hesaplanıp ROC eğrisi ile istatistiksel analizi yapılmıştır. Yapay zeka analizinde, Medical Segment Anything Model (MedSAM) tabanlı ve Low Rank Adaptation (LoRA) yöntemi ile optimize edilmiş derin öğrenme modeli kullanılmış olup doğruluk ve F1 skoru değerleri ile değerlendirilmiştir. Bulgular: alışmamıza dahil edilen hastaların % 4 ,3'ünde koroner anjiyografi pozitif saptanmıştır. Anjiyografi pozitif grupta yaş, sigara kullanımı, diabetes mellitus ve hipertansiyon sıklığı anlamlı olarak daha yüksek bulunmuştur. Semikantitatif analizde SSS ve SDS değerleri anjiyo pozitif grupta anlamlı derecede yüksek olup ROC analizinde SDS'nin en yüksek tanısal performansa sahip olduğu (AUC , 32) görülmüştür. Yapay zeka modeli tüm alt gruplarda , 5'in üzerinde F1 skoru ile yüksek ve tutarlı bir sınıflandırma performansı göstermiştir. Sonuç: MPS değerlendirmesinde SDS, KAH'ın öngörülmesinde güçlü bir parametredir. Bununla birlikte, derin öğrenme tabanlı yapay zeka yönteminin farklı cinsiyet, cihaz, okuyucu ve farklı kantitatif analiz yazılımlarında dahi yüksek doğruluk ve tutarlılık göstermesi, bu yaklaşımın klinik karar destek sistemlerinde etkin bir şekilde kullanılabileceğini düşündürmektedir. Bu durum, okuyucudan bağımsız olarak daha objektif, tekrarlanabilir ve standardize sonuçlara katkı sağlayabilir. Anahtar Kelimeler: Koroner Arter Hastalığı, Miyokart Perfüzyon Sintigrafisi, Semikantitatif analiz, Yapay Zeka