- Pamukkale Tıp Dergisi
- Vol: 15 Issue: 2
- Application of machine learning algorithms for predicting internal carotid artery stenosis and compa...
Application of machine learning algorithms for predicting internal carotid artery stenosis and comparing their value to duplex Doppler ultrasonography criteria
Authors : Pınar Çeltikçi, Önder Eraslan, Mehmet Atici, Işık Conkbayir, Onur Ergun, Hasanali Durmaz, Emrah Çeltikçi
Pages : 213-222
Doi:10.31362/patd.956280
View : 17 | Download : 2
Publication Date : 2022-04-01
Article Type : Research
Abstract :Amaç: İnternal karotid arter (İKA) darlığını belirlemede, dupleks Doppler ultrasonografi (DUS) ile dijital subtraksiyon anjiyografi (DSA) arasında tutarsızlık bildirilmiştir. DUS hız değerleri ile eğitilmiş makine öğrenme algoritmalarının (MÖA), İKA darlığını tahmin etme performansını araştırmayı amaçlıyoruz. Gereç ve yöntem: İKA darlığı olan 159 karotid bifurkasyonunun, ortak karotid arter (OKA) ve İKA'dan elde olunmuş DUS hız değerleri (pik sistolik hız (PSH) ve diyastol sonu hızı) ve DSA tetkikleri retrospektif olarak incelendi. Darlık derecesi her modaliteye göre <%50, %50-69, ≥%70 olarak sınıflandırıldı. Tanımlayıcı ve kestirimci analizler içeren doğrusal regresyon modelleri ve çeşitli MÖA’lar (LightGBM, XgBoost, KNeighbors, Support Vector Machine (SVM), Decision Tree, Random Forest) DSA’da saptanan darlık derecesini tahmin etmek için DUS hız değerleri ile eğitildi. Bulgular: Regresyon modellerinin tahmin ettiği darlık değerleri ve asıl DSA darlık değerleri, %0-60 arasında doğrusal bir ilişkiye sahipti. MÖA’lar arasında LightGBM ve SVM en yüksek sınıflandırma doğruluğunu (%69) elde ederken, tüm algoritmalar %50-69 darlık aralığında başarısız oldu. DUS kriterleri, ≥%70'lik DSA darlığını tahmin etmede tüm MÖA’lardan daha iyi performans gösterdi (duyarlılık:0,91). Hem MÖA'lar hem de DUS kriterleri %50-69 darlık aralığında başarısız olup, DUS darlığı olduğundan fazla, MÖA’lar darlığı olduğundan az olarak tahmin etti. İKA PSH/OKA PSH oranını kullanan MÖA’lar, <%50 DSA darlığını öngörmede daha yüksek doğruluğa sahipti. Sonuç: DUS kriterleri, %70'in üzerinde İKA darlığı için tek tanı aracı olarak kabul edilebilir. Geliştirilmiş DUS kriterleri veya MÖA'lar için daha geniş eğitim veri setleri sağlanması, %50-69 darlık aralığının daha yüksek doğrulukla tespit edilmesini sağlayabilir.Keywords : Darlık, dijital subtraksiyon anjiyografi, dupleks Doppler ultrasonografi, karotid arter, makine öğrenmesi