EN
TÜRKÇE
Oral Presentation - 55
Artificial Intelligence-Based Computer Tomography Volumetric Analysis in Pediatric Pneumomediastinum: Association with Clinical Symptoms and Management
Gizem Beril Özdemir, Ayça Töre Başer Tüfekçi, Tuğçe Tangüler Cabbar, Ali Onur Erdem, Mesut Yazıcı, Sezen Karaca Özkısacık
Adnan Menderes Üniversity School of Medicine Department of Pediatric Surgery
Aim: Pneumomediastinum is an uncommon condition in children that requires careful evaluation. Although conventional imaging methods are effective in demonstrating the anatomical distribution of mediastinal air, they do not provide quantitative assessment. This study aimed to evaluate the relationship between artificial intelligence (AI)-based computed tomography (CT) volumetric analysis, clinical findings, Pneumomediastinum Anatomical Spread Score (PAYS), and treatment management in patients with pneumomediastinum.
Methods: Twelve pediatric patients (11–17 years) diagnosed with pneumomediastinum by CT between January 2024 and May 2026 were retrospectively reviewed. Thoracic CT images were analyzed using an AI-based segmentation algorithm, and pneumomediastinum volumes were automatically calculated. Demographic characteristics, etiology, physical examination findings, PAYS scores, hospital length of stay, and treatment modalities were recorded. Volumetric measurements were evaluated in relation to clinical findings and treatment requirements. Receiver operating characteristic (ROC) analysis was performed to assess the predictive value of AI-based CT volumetric measurements for the presence of clinical symptoms.
Results: AI-calculated pneumomediastinum volumes ranged from 0.08 to 81.9 cm³. The patient with the highest volume (81.9 cm³) presented with decreased breath sounds and oxygen desaturation, while the second-highest volume (54.19 cm³) was associated with marked subcutaneous emphysema. All patients were successfully managed conservatively with oxygen therapy, except for the patient with the highest volume, who required drainage. Higher volumetric measurements were associated with more prominent clinical findings and higher PAYS scores. ROC analysis identified an optimal pneumomediastinum volume cut-off of >54.19 cm³ for predicting symptom development, with 100% sensitivity and specificity.
Conclusion: AI-based CT volumetric analysis provides an objective method for quantifying mediastinal air in pediatric pneumomediastinum. Higher pneumomediastinum volumes may be associated with more severe clinical manifestations and the need for invasive intervention. Prospective studies with larger cohorts are warranted to clarify the role of volumetric assessment in clinical decision-making.
Çocukluk Çağı Pnömomediastinum Olgularında Yapay Zeka Tabanlı Bilgisayarlı Tomografi Volumetrik Analizinin Klinik Semptomlar ve Yönetim ile İlişkisi
Gizem Beril Özdemir, Ayça Töre Başer Tüfekçi, Tuğçe Tangüler Cabbar, Ali Onur Erdem, Mesut Yazıcı, Sezen Karaca Özkısacık
Adnan Menderes Üniversitesi Tıp Fakültesi Çocuk Cerrahisi Anabilim Dalı, Aydın
Amaç: Pediatrik yaş grubunda pnömomediastinum nadir ancak dikkatli değerlendirme gerektiren bir tablodur. Geleneksel radyolojik değerlendirmeler anatomik yayılımı göstermede başarılı olmakla birlikte, mediastinal havanın kantitatif olarak değerlendirilmesine olanak sağlamamaktadır. Çalışmamızın amacı, pnömomediastinum tanılı çocuk hastalarda yapay zekâ (YZ) tabanlı bilgisayarlı tomografi (BT) volumetrik analizinin klinik bulgular, Pnömomediastinum Anatomik Yayılım Skoru (PAYS) ve tedavi yönetimi ile ilişkisini değerlendirmektir.
Yöntem: 2024 Ocak -2026 Mayıs arasında kliniğimizde BT ile pnömomediastinum tanısı alan 12 pediatrik hasta (yaş aralığı: 11–17 yıl) retrospektif değerlendirildi. Toraks BT görüntüleri yapay zeka tabanlı segmentasyon algoritması kullanılarak analiz edildi, pnömomediastinum hacmi otomatik olarak hesaplandı. Hastaların demografik özellikleri, etyolojileri, fizik muayeneleri, PAYS skorları, hastanede yatış süreleri ve uygulanan tedaviler kaydedildi. Volumetrik ölçümler klinik bulgular ve tedavi gereksinimi açısından değerlendirildi. Yapay zekâ tabanlı BT volumetrik ölçümlerinin klinik semptom varlığını öngörme performansı, ROC (Receiver Operating Characteristic) analiziyle değerlendirildi ve eğri altında kalan alan (AUC) hesaplandı.
Bulgular: Yapay zekâ ile hesaplanan pnömomediastinum hacimleri 0,08–81,9 cm³ arasındaydı. En yüksek hacme (81,9 cm³) sahip hastada akciğer seslerinde azalma ve oksijen satürasyonunda düşüklük saptanırken, ikinci en yüksek hacme (54,19 cm³) sahip hastada belirgin cilt altı krepitasyonu izlendi. En yüksek hacimli olgu dışında tüm hastalar oksijen tedavisi ve konservatif yaklaşımla başarılı şekilde izlenirken, yalnızca en yüksek hacme sahip hastada drenaj uygulaması gerekti. Daha yüksek volumetrik ölçümlerin daha belirgin klinik bulgular ve daha yüksek PAYS skorları ile ilişkili olduğu gözlendi. Semptom gelişimini öngörmede en yüksek sensitivite (%100) ve spesifiteye (%100) sahip optimum pnömomediastinum hacmi eşik değeri (cut-off) >54.19 cm3 olarak belirlendi.
Sonuç: Yapay zeka destekli BT volumetrik analizi, pnömomediastinumlu çocuk hastalarda mediastinal hava miktarının objektif olarak ölçülmesini sağlayan yöntemdir. Yüksek pnömomediastinum hacminin belirgin klinik bulgular ve invaziv girişim gereksinimi ile ilişkili olabileceği izlenmiştir. Daha geniş hasta serileriyle yapılacak prospektif çalışmalar, volumetrik ölçümlerin klinik karar verme sürecindeki yerini daha net ortaya koyacaktır.