EN
TÜRKÇE
Oral Presentation - 44
A surgical deep learning model for intestinal obstruction management
Ozan Can Tatar 1, Mustafa Alper Akay 2, Elif Tatar 3, Semih Metin 2
1 kocaeli university faculty of medicine department of general surgery
2 Kocaeli University Medical Faculty Department of Pediatric Surgery
3 Medical Faculty Of Kocaeli University, Department of Pediatric Surgery
Aim: The aim of this study is to develop and evaluate a deep learning model integrating surgical expertise to enhance decision-making in intestinal obstruction cases.
Methods: In this retrospective study, 700 abdominal radiographs from 438 patients admitted between 2013-2022 with intestinal obstruction were analyzed. Patients were categorized into operative management (OM) and nonoperative management (NOM) groups. A YOLOv8-based deep learning model was trained using surgical outcomes as ground truth data. Model performance was assessed using sensitivity, specificity, precision, recall, mean Average Precision (mAP), and accuracy metrics.
Results: In an independent clinical test dataset, the model achieved a sensitivity of 83.33% and specificity of 78.26%. Positive predictive value was 66.67%, negative predictive value was 90.00%, and overall accuracy was 80.00%. Evaluations at varying confidence thresholds also demonstrated consistent performance.
Conclusions: The developed deep learning model significantly supports surgical decision-making in intestinal obstruction management. Integrating artificial intelligence with surgical experience enhances precision in clinical decision-making. This system can assist surgeons in complex scenarios and potentially improve patient outcomes. Further multicenter studies with larger datasets are necessary to validate and enhance the general applicability of the model.
İntestinal Obstrüksiyon Yönetimi İçin Cerrahi Karar Destekli Derin Öğrenme Sistemi
Ozan Can Tatar 1, Mustafa Alper Akay 2, Elif Tatar 3, Semih Metin 2
1 kocaeli üniversitesi tıp fakültesi genel cerrahi ana bilim dalı
2 Kocaeli Üniversitesi Tıp Fakültesi Çocuk Cerrahisi Anabilim Dalı
3 Kocaeli Üniversitesi Tıp Fakültesi, Çocuk Cerrahisi AD
Amaç: Bu çalışmanın amacı, intestinal obstrüksiyon vakalarında cerrahi karar vermeyi desteklemek için derin öğrenme teknolojileri ile cerrahi deneyimi birleştiren bir model geliştirmek ve performansını değerlendirmektir.
Yöntem: Retrospektif olarak gerçekleştirilen çalışmada, intestinal obstrüksiyon tanısıyla 2013-2022 yılları arasında başvuran 438 hastaya ait 700 abdominal radyografi görüntüsü analiz edilmiştir. Hastalar cerrahi müdahale gerektiren (Operatif grup - OM) ve cerrahi olmayan yöntemlerle yönetilen (Nonoperatif grup - NOM) olmak üzere iki gruba ayrıldı. YOLOv8 mimarisi kullanılarak geliştirilen derin öğrenme modeli, cerrahi sonuçları temel alan verilerle eğitildi. Modelin performansı duyarlılık, özgüllük, hassasiyet, recall, mAP (mean Average Precision) ve doğruluk gibi metriklerle değerlendirildi.
Bulgular: Bağımsız klinik test veri setinde, model %83.33 duyarlılık ve %78.26 özgüllük elde etti. Pozitif öngörü değeri %66.67, negatif öngörü değeri ise %90.00 olarak bulundu. Genel doğruluk oranı %80.00 olarak belirlendi. Farklı güven eşiklerinde yapılan değerlendirmelerde de model performansı yüksek stabilite gösterdi.
Sonuç: Geliştirilen derin öğrenme modeli, intestinal obstrüksiyon vakalarının yönetiminde cerrahi karar süreçlerine anlamlı katkılar sağlamaktadır. Cerrahi deneyimle yapay zekânın entegrasyonu, karar verme süreçlerinde hassasiyeti artırmaktadır. Bu sistem, cerrahlara karmaşık klinik durumlarda destek sağlayabilir ve hasta bakım kalitesini ileri taşıyabilir. Gelecekte daha geniş veri setleriyle yapılacak çok merkezli çalışmalar, modelin etkinliğini ve genel uygulanabilirliğini artıracaktır.