30 Saniyede Özet
Çin'de geliştirilen OccuNet adlı derin öğrenme modeli, pelvis ve kalça grafilerinde femur boynu kırığını aradı. Grafide görünmeyen ya da belirsiz 189 kırığın %94,7'sini yakaladı; acil hekimleri desteksiz okumada bunların %68,8'ini bulmuştu. Destekle acil hekimlerinin tüm kırıklardaki duyarlılığı %84,3'ten %95,6'ya çıktı. Çalışma geriye dönük ve kırık oranı gerçek acil pratiğinden çok daha yüksek.
Ne oldu?
Çin'deki Wenzhou Tıp Üniversitesi İkinci Bağlı Hastanesi omurga cerrahisi bölümünden araştırmacılar, OccuNet adlı modeli geliştirip dış testlerle değerlendirdi. Makale Eylül 2026'da Radiology dergisinde (cilt 320, sayı 3) yayımlandı. Hedef, grafide görünmeyen ya da belirsiz kalan femur boynu kırıklarını yakalamak.
Çalışmanın özetine göre dört hastaneden, kalça travması şüphesiyle grafi çekilen erişkinler alındı. Hepsinde aynı başvuru döneminde yapılmış bilgisayarlı tomografi (BT) ya da manyetik rezonans (MR) vardı. Kırığın doğrulanmasında bu kesitsel görüntülemenin esas alındığı anlaşılıyor. Veriler Ocak 2009 ile Ağustos 2025 arasını kapsıyor.
Toplam 2.576 hasta vardı; yaş ortalaması 69, kadın sayısı 1.380'di. Hastalar eğitim, iç test ve üç ayrı dış test grubuna bölündü. AuntMinnie'nin haberine göre iç test 760, dış testler toplam 1.006 hastadan oluşuyor. Bu ikisinin toplamı, 1.766 kişilik birleşik test grubunu veriyor.
Model iki aşamada eğitildi. İlk aşamada aynı grafinin orijinal ve yapay artefakt eklenmiş kopyalarıyla karşılaştırmalı ön eğitim yapıldı. Amaç, modelin görüntü kusurlarına dayanıklı özellikler öğrenmesiydi. İkinci aşamada kırık dedektörü ince ayarla eğitildi.
Kanıt ne kadar güçlü?
Birleşik grupta model 936 kırığın 913'ünü yakaladı (duyarlılık %97,5). Kırığı olmayan 830 hastanın 820'sini doğru sınıflandırdı (özgüllük %98,8). Eğri altında kalan alan (AUC, ayırt etme gücü ölçüsü) 0,99 bulundu.
Asıl klinik soru, grafide negatif ya da belirsiz görünen 189 kırıkta. Bu kırıklar Garden I–II (yer değiştirmemiş) tipteydi. Model bunların %94,7'sini, kas-iskelet radyologları %86,2'sini, acil hekimleri %68,8'ini yakaladı. İki farkın her biri anlamlı bulundu (P<0,001).
Okuyucu çalışmasında beş kas-iskelet radyoloğu ve beş acil hekimi yer aldı. Yapay zekâ desteğiyle radyologların duyarlılığı %93,7'den %97,2'ye çıktı. Acil hekimlerinde artış %84,3'ten %95,6'ya oldu. Ortalama okuma süresi sırasıyla %14,9 ve %18,9 kısaldı.
Bu okuyucu duyarlılıkları 936 kırığın tamamı üzerinden hesaplandı. Özet, desteğin grafide görünmeyen 189 kırıktaki okuyucu performansına etkisini ayrıca vermiyor. Okuyucuların destekli özgüllüğü de özette yer almıyor.
Sınırlılıklar önemli. Çalışma geriye dönük ve yalnızca BT ya da MR çekilmiş hastaları kapsıyor. Birleşik grupta kırık oranı yaklaşık %53; acil servisteki sıradan kalça ağrısında bu oran çok daha düşüktür. Böyle zenginleştirilmiş gruplarda pozitif kestirim değeri gerçek pratiğe göre olduğundan yüksek görünür.
Aynı sayıdaki editoryalde Ottawa Üniversitesi'nden Flores ve Cantarelli yorum yazdı. AuntMinnie'nin aktarımına göre yazarlar, yapay zekâ destekli grafi, BT ve MR yollarını karşılaştıran ileriye dönük iş akışı çalışmaları öneriyor. Dergi sayfasına erişemediğimiz için tam metni ve çıkar çatışması beyanını göremedik.
Hekim için ne anlama geliyor?
Acil serviste düşme sonrası kalça ağrısı ve normal grafi, bilinen bir tuzak. Bu çalışma, yapay zekânın özellikle kas-iskelet radyoloğu olmayan okuyucuda gözden kaçan kırıkları azaltabileceğini düşündürüyor. Modelin tek başına acil hekimlerine en belirgin üstünlüğü, grafide görünmeyen yer değiştirmemiş kırıklardaydı.
Yine de yapay zekâ, klinik şüphenin yerine geçmez. Pratikte şunlar akılda tutulmalı.
- Yük verememe, kasık ağrısı ve düşme öyküsü varsa negatif grafi ve negatif yapay zekâ kırığı dışlamaz.
- Şüphe sürüyorsa BT ya da MR kararını yerel protokole göre vermeye devam edin.
- Yapay zekâ işaretini, radyoloğun ya da ortopedinin yerine değil, ikinci bir göz olarak kullanın.
- Model yalnızca femur boynunu hedefliyor; pelvis, asetabulum ve pubis kolu kırıkları için sonuç çıkarılamaz.
- Taburcu edilen hastaya, ağrı geçmez ya da yük veremezse yeniden başvurmasını açıkça söyleyin.
Türkiye'den bakınca
Türkiye İstatistik Kurumu (TÜİK) verilerine göre 2025'te 65 yaş ve üzeri nüfus 9 milyon 583 bin 59 kişiye ulaştı. Bu, toplam nüfusun %11,1'i demek. Yaşlanan nüfusta düşme sonrası kalça ağrısıyla acile başvuru sık bir senaryo.
OccuNet'in Türkiye'de ruhsat aldığına ya da bir hastanede denendiğine dair bilgi bulamadık. Tıbbi cihaz niteliğindeki yazılımları Türkiye İlaç ve Tıbbi Cihaz Kurumu (TİTCK) düzenliyor. Böyle bir araç, yerel grafi cihazları ve hasta grubuyla doğrulanmadan kullanılmamalı.
Sık sorulan sorular
OccuNet normal derse BT'ye gerek kalmaz mı?
Hayır. Model grafide görünmeyen kırıkların yaklaşık yirmide birini yine kaçırdı. Klinik şüphe devam ediyorsa ileri görüntüleme kararı değişmemeli.
Sonuçlar gerçek acil servis pratiğini yansıtıyor mu?
Tam olarak değil. Çalışma yalnızca BT ya da MR çekilmiş hastaları kapsıyor ve kırık oranı yaklaşık yarı yarıya. Bu seçim, performansı gerçek dünyadakinden iyi gösterebilir; ileriye dönük çalışmalar gerekiyor.
Okuma süresindeki kısalma ne anlama geliyor?
Destekle radyologlarda %14,9, acil hekimlerinde %18,9 kısalma ölçüldü. Yoğun bir acil serviste bu anlamlı olabilir. Ancak ölçüm deneysel okuma ortamında yapıldı, gerçek iş akışında ayrıca sınanmalı.
Kaynaklar
- Lin XX, Qian YR, Zhou SH ve ark. (2026) — Improving Recognition Performance and Reader Efficiency for Femoral-Neck Fracture Detection on Pelvic or Hip Radiographs Using Artificial Intelligence (Radiology): https://doi.org/10.1148/radiol.253931
- PubMed (2026) — Aynı çalışmanın özeti, PMID 42708850: https://pubmed.ncbi.nlm.nih.gov/42708850/
- Flores DV, Cantarelli T (2026) — Closing the Gap in Femoral-Neck Fracture Detection: AI Assistance with Pelvic and Hip Radiographs (Radiology editoryal): https://pubmed.ncbi.nlm.nih.gov/42708853/
- AuntMinnie (2026) — AI model on par with experts in finding femoral-neck fractures: https://www.auntminnie.com/clinical-news/digital-x-ray/news/15834442/ai-model-on-par-with-experts-in-finding-femoralneck-fractures
- Bloomberg HT (2026) — TÜİK verisi: Yaşlı nüfus son 5 yılda yüzde 20 arttı: https://www.bloomberght.com/yasli-nufus-son-5-yilda-yuzde-20-artti-3771660
Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.
İlgili Yazılar
Bu konuyla ilgili Doktorclub'da ele aldığımız diğer hekim onaylı rehberler:
OccuNet, grafide görünmeyen femur boynu kırıklarının %94,7'sini yakaladı; destekle acil hekimi duyarlılığı %84,3'ten %95,6'ya çıktı. Veri geriye dönük.