EN
TÜRKÇE
Oral Presentation - 63
AI-Assisted Deep Learning System for Preoperative Diagnosis of Wilms Tumor
Mustafa Alper Akay 1, Ozan Can Tatar 2, Elif Tatar 1, Uğur Demirsoy 3, Yonca Anık 4, Onursal Varlıklı 1
1 Kocaeli University Medical Faculty Department of Pediatric Surgery
2 kocaeli university faculty of medicine department of general surgery
3 Kocaeli University School of Medicine, Department of Pediatric Oncology
4 Kocaeli University Faculty of Medicine, Radiology Department
Aim: This study aims to develop and evaluate an artificial intelligence-assisted deep learning system for preoperative diagnosis of Wilms tumor in pediatric patients.
Methods: Our retrospective study utilized preoperative computed tomography (CT) images from pediatric patients with histopathologically confirmed Wilms tumor. A deep learning model based on YOLOv8 was trained using a dataset of 3,510 CT images. The model's performance was evaluated using metrics including mean Average Precision (mAP), sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and overall accuracy.
Results: The developed deep learning model achieved a high mAP score of 0.976 in detecting Wilms tumor. In an independent test dataset, the model demonstrated a sensitivity of 98.44% and specificity of 100%. In test set PPV was 100% and NPV was 98.70%. The overall accuracy of the model was calculated as 99.29%.
Conclusions: This study demonstrates that AI-based deep learning systems significantly outperform traditional imaging methods in the preoperative diagnosis of Wilms tumor, providing enhanced accuracy and reliability. These findings suggest a strong potential for AI integration into clinical workflows to accelerate diagnostic processes and support clinical decision-making. Further comprehensive, multicenter, prospective studies are necessary to validate and refine this system for widespread clinical use.
Wilms Tümörünün Preoperatif Tanısı İçin Yapay Zekâ Destekli Derin Öğrenme Sistemi
Mustafa Alper Akay 1, Ozan Can Tatar 2, Elif Tatar 1, Uğur Demirsoy 3, Yonca Anık 4, Onursal Varlıklı 1
1 Kocaeli Üniversitesi Tıp Fakültesi Çocuk Cerrahisi Anabilim Dalı
2 kocaeli üniversitesi tıp fakültesi genel cerrahi ana bilim dalı
3 Kocaeli Üniversitesi Tıp Fakültesi, Çocuk Onkoloji Bilim Dalı
4 Kocaeli Üniversitesi Tıp Fakültesi Radyoloji ABD
Amaç: Bu çalışmanın amacı, pediatrik hastalarda Wilms tümörünün bilgisayarlı tomografi (BT) ile preoperatif tanısını koyabilen derin öğrenme temelli bir yapay zekâ destekli tanı sisteminin geliştirilmesi ve performansının değerlendirilmesidir.
Yöntem: Çalışmamız retrospektif olarak gerçekleştirilmiş olup, cerrahi sonrası histopatolojik tanısı kesinleşmiş Wilms tümörlü pediatrik hastaların preoperatif BT görüntüleri kullanılmıştır. Toplam 3510 BT görüntüsünden oluşan eğitim seti kullanılarak YOLOv8 tabanlı derin öğrenme modeli eğitildi. Modelin performansı ortalama hassasiyet (mean Average Precision - mAP), duyarlılık, özgüllük, pozitif ve negatif öngörü değerleri ve genel doğruluk gibi metriklerle değerlendirildi.
Bulgular: Geliştirilen derin öğrenme modeli, Wilms tümörünün tespitinde 0.976 gibi yüksek bir mAP değeri elde etti. Bağımsız bir test veri setinde modelin duyarlılığı %98.44, özgüllüğü %100 olarak hesaplandı. Test veri setindeki pozitif öngörü değeri (PPV) %100, negatif öngörü değeri (NPV) ise %98.70 olarak belirlendi. Modelin genel doğruluğu %99.29 olarak bulundu.
Sonuç: Bu çalışma, Wilms tümörünün preoperatif tanısında yapay zekâ tabanlı derin öğrenme sistemlerinin geleneksel yöntemlere kıyasla yüksek doğruluk ve güvenilirlik sağladığını göstermektedir. Elde edilen sonuçlar, tanısal sürecin hızlandırılması ve doğruluğun artırılmasıyla birlikte, klinik karar verme süreçlerini destekleme potansiyeline sahiptir. Bu tür sistemlerin klinik uygulamalara entegrasyonu için daha kapsamlı, çok merkezli ve ileriye dönük çalışmaların yapılması gerekmektedir.