Derin Öğrenme Yaklaşımıyla Ağızda Potansiyel Olarak Malign Hastalıkların Tespit Edilebilirliğinin Değerlendirilmesi: Retrospektif Pilot Çalışma

Özet

Arka Plan: Ağızda potansiyel olarak malign hastalıklar (OPMD), ağız mukozasının malign dönüşümü sırasında ortaya çıkabilir ve bu lezyonlardaki hücresel değişiklikler, normal dokulara kıyasla kanser gelişme olasılığını artırır.

Amaç: Bu çalışmanın amacı, OPMD’yi tespit etmek için tasarlanmış derin öğrenme tabanlı tanısal yazılımın performansını değerlendirmektir.

Materyal ve Yöntem: Histopatolojik olarak insizyonel biyopsi ile ağız liken planus, ağız lökoplaki veya ağız kanseri tanısı almış hastalardan retrospektif olarak anonimleştirilmiş toplam 358 intraoral görüntü kullanılmıştır. Görüntüler CranioCatch yazılımı (CranioCatch, Eskişehir, Türkiye) kullanılarak poligonal etiketleme yöntemiyle işaretlenmiş ve Ağız, Diş ve Çene-Yüz Radyologları tarafından incelenmiştir. Veri seti eğitim (n = 288), doğrulama (n = 35) ve test (n = 35) gruplarına ayrılmıştır. YOLOv8 mimarisi temelinde bir derin öğrenme modeli geliştirilmiş ve performansı karışıklık matrisi kullanılarak değerlendirilmiştir.

Bulgular: Model, F1 skoru 0,693, duyarlılık (sensitivity) 0,666 ve hassasiyet (precision) 0,723 değerleri elde etmiştir.

Sonuç: Bu bulgular, derin öğrenme ve yapay zekanın OPMD tanısında umut verici olduğunu göstermektedir. Ayrıca rutin ağız muayeneleri ve bu lezyonların erken tespiti—özellikle yüksek riskli bireylerde—diş hekimlerinin temel sorumlulukları arasında yer almaktadır. Klinik uygulamaya geçiş için daha büyük, çok merkezli veri setlerine, kalibrasyona ve dış doğrulamaya ihtiyaç vardır.