Descemet membran endotelyal keratoplasti sonrası kornea endotel hücrelerinin in vivo konfokal mikroskopi ve makine öğrenme tabanlı analizi, greft sağlığının değerlendirilmesi ve klinik korelasyonu

FEYZA DİCLE IŞIK

Descemet membran endotelyal keratoplasti sonrası kornea endotel hücrelerinin in vivo konfokal mikroskopi ve makine öğrenme tabanlı analizi, greft sağlığının değerlendirilmesi ve klinik korelasyonu

Tezin Türü: Tıpta Uzmanlık

Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, ANKARA ŞEHİR SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, CERRAHİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: Türkçe

Öğrenci: FEYZA DİCLE IŞIK

Danışman: Emine Esra KARACA

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

AMAÇ: Bu tez çalışmasının amacı, Descemet Membran Endotelyal Keratoplasti sonrası kornea endotel hücrelerinin in vivo konfokal mikroskopi görüntülerini kullanarak yapay zeka yöntemleri ile greft sağlığını değerlendirmek ve klinik sonuçlarla ilişkisini incelemektir. GEREÇ VE YÖNTEM: Retrospektif çalışmaya DMEK cerrahisi geçirmiş 75 hasta ve 89 sağlıklı kontrol dahil edildi. Üç farklı yapay zeka modeli geliştirildi: sağlıklı referans verilerle eğitilen HealthyRefNet, patolojik verilerle eğitilen ExpertVisionRF ve klinik parametrelere dayalı PureExpertRF. Modeller transfer öğrenme yaklaşımı ve Random Forest algoritması kullanılarak oluşturuldu. Postoperatif 3., 6. ve 12. aylarda greft sağlığı değerlendirildi. BULGULAR: Her üç model de yüksek performans gösterdi: HealthyRefNet 6. ayda %85 doğruluk (AUC:0.85), ExpertVisionRF 3. ayda %94 doğruluk (AUC:0.94) ve PureExpertRF 12. ayda 0.595 kappa değeri elde etti. Model kombinasyonları tekil kullanımdan daha yüksek doğruluk sağladı. HealthyRefNet ve ExpertVisionRF kombinasyonu %96'ya varan tahmin doğruluğuna ulaştı. Modeller arasındaki uyum McNemar testi ile değerlendirildi. Modellerin uyumu Cohen'in Kappa değeri ile değerlendirildi. SONUÇ: Geliştirilen bu yapay zeka modelleri, DMEK sonrası greft sağlığının değerlendirilmesinde hekimlere güvenilir ve objektif destek sağlama potansiyeli göstermektedir. Veri kümelerinin genişletilmesi ve görüntü işleme ile makine öğrenmesi tekniklerinin entegrasyonu, kornea nakli sonrası takipte standartlaştırılmış bir değerlendirme olanağı sunmaktadır. Ancak yapay zeka modellerinin yaklaşımlarının şeffaf bir şekilde açıklanması ve sonuçların kara kutu mantığından uzaklaşılması, sağlık alanındaki yapay zeka uygulamaları için son derece önemlidir. ANAHTAR KELİMELER: Descemet Membran Endotelyal Keratoplasti, yapay zeka, in vivo konfokal mikroskopi, kornea endoteli, greft sağkalımı, makine öğrenmesi, Random Forest, transfer öğrenme.