[English]

Türk Kardiyoloji Derneği Genç Kardiyologlar Alt Kurulu Elektronik Bülteni Yıl: 5 Sayı: 6 / 2022


Türk Kardiyoloji Derneği
Genç Kardiyologlar
Alt Kurulu

Başkan:
Dr. Muzaffer Değertekin

Y.K. adına Koordinatör
Dr. Ertuğrul Okuyan

Y.K. adına Koordinatör
Dr. Can Yücel Karabay

Üyeler
Dr. Adem Aktan
Dr. Gülşah Aktüre
Dr. Bayram Arslan
Dr. İnanç Artaç
Dr. Ahmet Oğuz Aslan
Dr. Görkem Ayhan
Dr. Ahmet Anıl Başkurt
Dr. Özkan Bekler
Dr. Oğuzhan Birdal
Dr. Yusuf Bozkurt Şahin
Dr. Serkan Bulgurluoğlu
Dr. Ümit Bulut
Dr. Veysi Can
Dr. Mustafa Candemir
Dr. Murat Çap
Dr. Göksel Çinier
Dr. Ali Çoner
Dr. Yusuf Demir
Dr. Ömer Furkan Demir
Dr. Murat Demirci
Dr. Ayşe İrem Demirtola Mammadli
Dr. Süleyman Çağan Efe
Dr. Mehmet Akif Erdöl
Dr. Kubilay Erselcan
Dr. Kerim Esenboğa
Dr. Duygu Genç
Dr. Kemal Göçer
Dr. Elif Güçlü
Dr. Arda Güler
Dr. Duygu İnan
Dr. Hasan Burak İşleyen
Dr. Muzaffer Kahyaoğlu
Dr. Sedat Kalkan
Dr. Yücel Kanal
Dr. Özkan Karaca
Dr. Ahmet Karaduman
Dr. Mustafa Karanfil
Dr. Ayhan Kol
Dr. Fatma Köksal
Dr. Mevlüt Serdar Kuyumcu
Dr. Yunus Emre Özbebek
Dr. Ahmet Özderya
Dr. Yasin Özen
Dr. Ayşenur Özkaya İbiş
Dr. Çağlar Özmen
Dr. Selvi Öztaş
Dr. Hasan Sarı
Dr. Serkan Sivri
Dr. Ali Uğur Soysal
Dr. Hüseyin Tezcan
Dr. Nazlı Turan
Dr. Berat Uğuz
Dr. Örsan Deniz Urgun
Dr. İdris Yakut
Dr. Mustafa Yenerçağ
Dr. Mehmet Fatih Yılmaz
Dr. Yakup Yiğit
Dr. Mehmet Murat Yiğitbaşı

Bülten Editörleri
Dr. Muzaffer Değertekin
Dr. Bülent Mutlu
Dr. Süleyman Çağan Efe
Dr. Göksel Çinier
Dr. Duygu İnan
Dr. Sedat Kalkan

Katkıda Bulunanlar
Dr. Onur Akhan
Dr. Fatih Aksoy
Dr. Derya Baykiz
Dr.  İlyas Çetin
Dr. Uğur Ozan Demirhan
Dr. Elif Ayduk Gövdeli
Dr. Mustafa Ferhat Keten
Dr. Bengisu Keskin Meriç
Dr. İbrahim Halil Özdemir
Dr. Mehmet Arslan
Dr. Hüseyin Durak
Dr. Levent Pay


 



6--146--14

Türk Kardiyoloji Derneği Genç Kardiyologlar Bülteni - Yapay zekanın rutin ekokardiyografi verilerinden ciddi aort darlığını tespit yeteneğinin değerlendirilmesi (AI-ENHANCED AS çalışması) (Dr. Onur Akhan)

Yorumlayan: Dr. Onur Akhan

Çalışmanın ismi: Yapay zekanın rutin ekokardiyografi verilerinden ciddi aort darlığını tespit yeteneğinin değerlendirilmesi (AI-ENHANCED AS çalışması)

Yayınlandığı Kongre: ESC 2022

Link : https://www.escardio.org/The-ESC/Press-Office/Press-releases/Artificial-intelligence-identifies-severe-aortic-stenosis-from-routine-echocardiograms

Giriş:

Avrupa ve Kuzey Amerika'da cerrahi veya transkateter müdahale gerektiren en yaygın primer kapak lezyonu aort darlığıdır ve prevalansı yaşla birlikte artmaktadır. Mevcut kılavuzlar, semptomatik şiddetli aort darlığı hastaları için erken müdahaleyi önermektedir. Ekokardiyografi en değerli tanı aracıdır. Ancak mortalite riski mevcut tanı tanımlarının ötesinde artmaktadır ve sonuç olarak bu amaçla daha fazla hasta değerlendirilmelidir.

Amaç:

Çalışma, yapay zeka yardımını kullanan ekokardiyografi veri tabanının, artan beş yıllık mortalite riski ile orta-şiddetli ve şiddetli aort darlığı fenotiplerini belirlemek için klinik uygulamada rutin olarak ne ölçüde kullanılabileceğini göstermeyi amaçlamaktadır.

Metot:

Kullanılan tescilli Yapay Zeka Karar Destek Algoritması (AI-DSA), 630.000'den fazla hastada 1.000.000'den fazla Avustralya Ulusal Ekokardiyografi Veritabanı (NEDA) verisini inceleyerek ölüm bilgisi ile ilişkilendirilmiştir. Algoritma ayrıca, tüm ciddi aort darlığının kılavuzlarda tanımlandığı şekilde saptanmasını sağlamak için rastgele seçilen %70 NEDA verileri kullanılarak eğitililmiştir. NEDA verilerinin geri kalan %30'u ile, orta-şiddetli ve şiddetli aort darlığı fenotipleri bulunması ve şiddetli aort darlığı fenotipinin bulunmaması durumlarının beş yıllık ölüm oranlarını karşılaştırılmıştır.

Bulgular:

Algoritma, %1.4'ünü orta-şiddetli bir fenotip ve %2.5'ini şiddetli bir fenotip olarak tanımladı; Şiddetli fenotipi olanlarda, %77.2'si ciddi aort darlığı için kılavuz kriterleri karşıladı. Bu hastalarda beş yıllık ölüm oranı %69,1 idi. Kılavuz kriterlerini karşılamayan kalan kısımda beş yıllık mortalite oranı %64,4 olarak gözlendi. (Kılavuz verilerine göre sınıflandırıldığında orta-şiddetli fenotip için beş yıllık ölüm oranı %56,2, şiddetli fenotip için %67,9 ve diğerleri için %22,9 idi.)

Sonuç:

Çalışmanın verileri ışığında, geleneksel tanı yöntemlerinin fark edemeyeceği yüksek riskli hastaların tanısında algoritma yardımı uygulanması düşünülebilir.

Yorum:

Aort darlığının artan prevalansı ve mortalite üzerindeki etkisi düşünüldüğünde, hastaların tanısını gözden geçirmek ve risk altındakileri belirlemek için yeni yöntemler düşünülmelidir. AI-DSA algoritması bunlardan biridir, ancak konu ile ilgili daha fazla araştırmaya ihtiyaç vardır.


6--14

 2024 © Bu sitenin tüm hakları Türk Kardiyoloji Derneğine aittir.