Giriş ve Amaç
Vezikoüreteral reflü (VUR), voiding sistoüretrogram (VCUG) üzerindeki görünüme dayalı olarak I-V arasında derecelendirilen uluslararası bir sistemle sınıflandırılmaktadır. VUR derecesi, cerrahi düzeltme veya antibiyotik profilaksisi gibi klinik yönetim kararlarını doğrudan etkilemektedir. Ancak mevcut literatür, bu derecelendirme sisteminin sübjektif doğası nedeniyle klinisyenler arasında düşük güvenilirlik (kappa değerleri 0.60 civarında veya daha düşük) gösterdiğini ortaya koymaktadır. Özellikle dilate (Grade III) ve tortüöz (Grade IV) reflü ayrımı, uyumsuzluğun en sık görüldüğü alandır.
Bu çalışmanın amacı, VCUG görüntülerinden elde edilen üreteral tortüozite ve dilatasyon gibi kantitatif özellikleri kullanarak VUR derecesini belirleyen bir makine öğrenimi (ML) modeli (qVUR) geliştirmek ve bu modelin güvenilirliğini çok merkezli verilerle valide etmektir.
Gereç ve Yöntem
Çalışma, STREAM-URO (Standardized Reporting of Machine Learning Applications in Urology) çerçevesine uygun olarak tasarlanmış, gözetimli (supervised) bir çok sınıflı sınıflandırma çalışmasıdır.
• Veri Seti: Eğitim seti (training set) için The Hospital for Sick Children (Toronto) veri tabanından 1.248 renal ünite (böbrek+üreter) dahil edilmiştir. Harici validasyon için ise 5 farklı merkezden (CHOP, University of Iowa, IWK Hospital vb.) toplam 244 renal ünite kullanılmıştır.
• Referans Standart (Ground Truth): Her bir VCUG görüntüsü, aralarında pediatrik radyologlar, pediatrik ürologlar ve asistanların bulunduğu 5 ila 7 farklı gözlemci tarafından derecelendirilmiş ve çoğunluk oyu ile bir “konsensüs VUR derecesi” belirlenmiştir.
• Öznitelik Çıkarımı (Feature Extraction): Her renal ünite için 4 temel kantitatif özellik belirlenmiştir:
1. Üreteral tortüozite (kıvrımlılık),
2. Proksimal üreter genişliği (UPJ),
3. Distal üreter genişliği (UVJ),
4. Maksimum üreter genişliği.
• Model: Bu özellikler kullanılarak, VUR derecesini tahmin etmek üzere bir Rastgele Orman Sınıflandırıcısı (Random Forest Classifier) eğitilmiştir. Model performansı 10 katlı çapraz doğrulama (10-fold cross-validation) ve harici veri setleri üzerinde test edilmiştir.
Bulgular
Toplam 1.492 renal ünite ve 8.230 bağımsız derecelendirme analize dahil edilmiştir.
1. Geleneksel Derecelendirmenin Güvenilirliği: Mevcut klinik derecelendirme yönteminin gözlemciler arası uyumu (inter-rater reliability) düşük bulunmuştur. Ağırlıklı Fleiss’ kappa değeri 0.44 (orta düzey uyum) olarak saptanmış, medyan yüzde uyum ise %61’de kalmıştır.
2. Öznitelik Korelasyonu: Üreteral tortüozite ve maksimum üreter genişliği, VUR derecesi ile güçlü pozitif korelasyon göstermiştir (p < .001). Özellikle tortüozite ölçümündeki varyasyon katsayısı (CV: 0.06) oldukça düşük bulunmuş, bu da kantitatif ölçümlerin yüksek tekrarlanabilirliğe sahip olduğunu göstermiştir.
3. Model Performansı (qVUR):
◦ Geliştirilen ML modeli, 0.84 AUROC (Eğri Altında Kalan Alan) değeri ve %62 doğruluk oranı ile insan düzeyinde performans sergilemiştir.
◦ Model, harici validasyon setlerinde (farklı kurumlar ve görüntü kaliteleri) stabil performans göstermiş; cinsiyet, taraf veya VCUG endikasyonundan (İYE veya hidronefroz) etkilenmemiştir.
4. Güvenilirlik Artışı: Model destekli derecelendirme ile geleneksel yöntem karşılaştırıldığında, qVUR kullanımı gözlemciler arası güvenilirliği 3.6 kat artırmıştır. Yeniden değerlendirme kohortunda, geleneksel yöntemin kappa değeri 0.29 iken, qVUR ile bu değer 0.67‘ye (önemli düzeyde uyum) yükselmiştir (p < .001).
Sonuç ve Klinik Çıkarım
Çalışma, geleneksel sübjektif VUR derecelendirmesinin, uzmanlar arasında dahi düşük güvenilirliğe sahip olduğunu geniş bir veri setiyle doğrulamıştır. Geliştirilen qVUR modeli, üreteral tortüozite ve dilatasyon gibi objektif, kantitatif verilere dayanarak, klinisyenler arası değişkenliği minimize etmekte ve “önemli düzeyde uyum” sağlamaktadır.
Model, özel bir pediatrik radyoloji uzmanlığı gerektirmeksizin, akademik olmayan merkezlerde de güvenilir VUR derecelendirmesi yapılmasına olanak tanımaktadır. Yazarlar, qVUR’u ücretsiz bir web uygulaması (R Shiny) olarak kullanıma sunmuş ve kaynak kodlarını paylaşmıştır. Çalışmanın temel kısıtlılığı, modelin skarlaşma veya spontan rezolüsyon gibi uzun vadeli klinik sonuçlarla doğrudan korelasyonunun bu aşamada test edilmemiş olmasıdır; ancak prognostik değerin artırılması adına bu kantitatif yaklaşım önemli bir temel oluşturmaktadır
