HALİL İBRAHİM İVELİK, OKAN ALKIŞ, İBRAHİM GÜVEN KARTAL, MEHMET SEVİM, BEKİR ARAS
Grand Journal of Urology - 2025;5(2):37-41
Amaç: Bu çalışma, sistoskopi görüntülerini kullanarak ürolojik patolojilerin tespitine yönelik AI destekli bir sistem geliştirmeyi ve değerlendirmeyi amaçlamaktadır. Gereçler ve Yöntemler: Eğitim ve Araştırma Hastanesi Üroloji Kliniğinde; 500 patolojik ve 500 sağlıklı sistoskopi görüntüsünden oluşan bir veri seti toplanmıştır. Görüntüler, üç farklı endovizyon sistemi (Karl Storz [Almanya], Stryker [ABD], Richard Wolf [Almanya]) kullanılarak elde edilmiştir. Veri seti ön işleme tabi tutulmuş, artırılmış ve bir Konvolüsyonel Sinir Ağı (CNN) modeli, görüntüleri normal veya patolojik olarak sınıflandırmak üzere eğitilmiştir. Modelin performansı, doğruluk, hassasiyet, özgüllük ve F1 skoru gibi metriklerle, 100 patolojik ve 100 sağlıklı görüntüden oluşan bir test setinde değerlendirilmiştir. İstatistiksel analizler IBM SPSS versiyon 25.0 ile yapılmış, p <0.05 anlamlı kabul edilmiştir. Bulgular: Model, patolojik vakaların tespiti için %94 hassasiyet ve sağlıklı vakaların doğru sınıflandırılması için %58 özgüllük sağlamıştır. Patolojik görüntüler için kesinlik, geri çağırma ve F1 skoru sırasıyla 0.69, 0.94 ve 0.80 olarak bulunurken, sağlıklı görüntüler için bu değerler 0.91, 0.60 ve 0.72’dir. Modelin genel doğruluğu %76 olarak kaydedilmiştir. Sonuç: AI destekli sistoskopi görüntü analiz sistemi, ürolojik patolojilerin tespitinde yüksek hassasiyet göstermektedir, ancak özgüllüğün artırılması için daha fazla iyileştirme gerekmektedir. Gelecek çalışmalarda, veri setinin çeşitliliğini artırmaya ve modelin benign ve malign özellikleri ayırt etme yeteneğini geliştirmeye odaklanılmalıdır. Daha kaliteli görüntülerin entegrasyonu ve ileri yapay zeka tekniklerinin kullanımı, modelin başarısını artırma ve tanısal doğruluğu iyileştirme açısından büyük bir potansiyel sunmaktadır.
