Ayça Koca, Kaan Orhan, Ahmet Burak Oguz, Yusuf Kahya, Atilla Halil Elhan, Müge Günalp, Hua Yan, Gengfei Liu, Emre Can Çelebioğlu, Ayt?n Kayı Cangır
Eskisehir Medical Journal - 2025;6(3):304-310
Giriş: Acil serviste sıklıkla el ve bilek travması olan hastalara tanı konur. Derin öğrenme algoritmaları, X-ışını bilek görüntülerinden kırıkları teşhis etmek için güçlü araçlar haline gelebilir. Bu çalışma, radyografilerle tespit edilmesi zor olan bilek kırıklarını tespit etmede derin öğrenme algoritmasının tanı performansını değerlendirmeyi amaçlamaktadır. Yöntemler: Bu retrospektif çalışma, BT görüntülemesi yapılan el/bilek travması olan yetişkin hastaları içermektedir. Uzman bir radyolog tarafından yorumlanan yaralı bölgelerin BT görüntüleri "temel gerçek" (TG) olarak kabul edildi. 313 vaka çalışmaya dahil edildi, toplam 121 kırık (82 radius 39 karpal kemik) BT görüntülerinden TG olarak tanımlandı. Algoritma kullanılarak, el ve bilek X-ışını görüntülerinden oluşan veri setinde kırık tespit prosedürü gerçekleştirildi. Aynı veri setleri dört acil tıp doktoru tarafından değerlendirildi. Doğruluk, eğri altında kalan alan, duyarlılık, kesinlik ve F1 skoru gibi tanı performansları hesaplandı. TG, gözlemciler ve derin öğrenme algoritması arasındaki uyum (Kappa katsayısı (kappa)) belirlendi. Bulgular: Algoritma %69,6 doğruluk, %57 duyarlılık ve %61,6 kesinlik gösterdi. Acil tıp doktorları daha yüksek doğruluk, duyarlılık ve kesinlik ve AUC değerleriyle daha iyi tanı performansı gösterdi. Dört acil tıp doktoru arasındaki gözlemciler arası uyum orta düzeydeyken algoritmayla uyum yalnızca orta düzeydeydi. Sonuç: Derin öğrenme algoritması, bilek röntgenlerinde kırıkları doğru bir şekilde tespit etti ve acil tıp doktorlarınınkine benzer yeteneklere sahipti, ancak daha iyi sonuçlar elde etmek için bahsedilen algoritmanın daha da iyileştirilmesi gerekiyor.
