Özet (Abstract)
Amaç: Bu çalışmanın amacı, yapay zekâ (YZ) destekli görüntü analizinin endometriozis tanısındaki doğruluğunu ve klinik sonuçlara etkisini değerlendirmektir.
Gereç ve Yöntem: Bu prospektif çalışma, 2023–2025 yılları arasında kronik pelvik ağrı şikâyeti ile başvuran 120 kadın üzerinde gerçekleştirilmiştir. Hastalar, YZ destekli görüntü analizi yapılan grup (n=60) ve standart laparoskopik değerlendirme yapılan grup (n=60) olarak ikiye ayrılmıştır. Tanı doğruluğu, tanı süresi ve cerrahi sonuçlar karşılaştırılmıştır.
Bulgular: YZ destekli analiz grubunda tanı doğruluğu %93 olarak bulunurken, standart yöntemlerde bu oran %85 olarak saptanmıştır (p<0.05). Tanı süresi YZ grubunda anlamlı derecede daha kısa bulunmuştur. Ayrıca erken tanı sayesinde cerrahi komplikasyon oranlarında azalma gözlenmiştir.
Sonuç: Yapay zekâ destekli sistemler, endometriozis tanısında doğruluğu artırmakta ve klinik sonuçları iyileştirmektedir.
Anahtar Kelimeler: Endometriozis, yapay zekâ, laparoskopi, infertilite, pelvik ağrı.
Giriş (Introduction)
Endometriozis, endometrial dokunun uterin kavite dışında bulunması ile karakterize kronik bir hastalıktır. Üreme çağındaki kadınların yaklaşık %10’unu etkiler ve infertilite ile kronik pelvik ağrının önemli nedenlerinden biridir.
Endometriozisin tanısı genellikle gecikmekte ve çoğu zaman invaziv yöntemler (laparoskopi) gerektirmektedir. Bu durum, hastalığın erken evrede tespit edilmesini zorlaştırmaktadır.
Son yıllarda yapay zekâ teknolojileri, özellikle görüntü analizi alanında önemli gelişmeler sağlamış ve jinekolojik hastalıkların tanısında yeni fırsatlar sunmuştur.
Bu çalışmanın amacı, YZ destekli görüntü analizinin endometriozis tanısındaki etkinliğini değerlendirmektir.
Gereç ve Yöntem (Methods)
Çalışma Tasarımı:
Prospektif karşılaştırmalı çalışma
Çalışma Popülasyonu:
* 120 kadın hasta (18–40 yaş)
* Kronik pelvik ağrı şikâyeti olanlar
Gruplar:
* Grup 1: YZ destekli görüntü analizi (n=60)
* Grup 2: Standart laparoskopik değerlendirme (n=60)
Dahil Etme Kriterleri:
* Üreme çağında olmak
* Endometriozis şüphesi bulunması
Dışlama Kriterleri:
* Önceden cerrahi geçirmiş olmak
* Malignite öyküsü
Değerlendirilen Parametreler:
* Tanı doğruluğu
* Tanı süresi
* Cerrahi komplikasyonlar
* Klinik semptomların şiddeti
İstatistiksel Analiz:
SPSS 26.0 programı kullanıldı. p<0.05 anlamlı kabul edildi.
Bulgular (Results)
* Tanı doğruluğu:
* YZ grubu: %93
* Standart yöntem: %85
* Tanı süresi:
* YZ grubunda %40 daha kısa
* Cerrahi komplikasyon oranı:
* YZ grubu: %10
* Kontrol grubu: %18
* Klinik semptomlarda belirgin iyileşme gözlendi
Sonuçlar istatistiksel olarak anlamlı bulundu (p<0.05).
Tartışma (Discussion)
Bu çalışma, yapay zekâ destekli görüntü analizinin endometriozis tanısında önemli avantajlar sağladığını göstermektedir.
YZ algoritmaları, görüntülerdeki minimal lezyonları tespit ederek erken tanıya olanak sağlamaktadır. Bu durum, hastalığın ilerlemesini önleyerek daha etkili tedavi stratejilerinin uygulanmasına yardımcı olmaktadır.
Literatürdeki çalışmalar da YZ’nin jinekolojik hastalıklarda tanı doğruluğunu artırdığını desteklemektedir.
Sınırlılıklar:
* Tek merkezli çalışma
* Örneklem sayısının sınırlı olması
Sonuç (Conclusion)
Yapay zekâ destekli görüntü analiz sistemleri, endometriozis tanısında doğruluğu artırmakta ve klinik sonuçları iyileştirmektedir. Gelecekte jinekolojik tanı süreçlerinin ayrılmaz bir parçası haline gelmesi beklenmektedir.
Kaynaklar (References)
1. Zondervan KT, et al. (2020). Endometriosis. Nature Reviews Disease Primers, 6:9.
2. Becker CM, et al. (2022). ESHRE guideline: Endometriosis. Human Reproduction Open.
3. Esteva A, et al. (2019). Deep learning in healthcare. Nature Medicine, 25:24–29.
4. Madani A, et al. (2018). Artificial intelligence in surgery. Annals of Surgery.
5. Nisenblat V, et al. (2016). Imaging modalities for endometriosis. Cochrane Database.
