Diabeteses nephropathia korai felismerése radiomikai jegyek alapján, mesterséges intelligencia alapú CT szegmentálás segítségével

A tétel rövid nézete
dc.contributor.advisorSik, Máté
dc.contributor.advisordeptÁltalános Orvostudományi Kar::Orvosi Képalkotó Intézet::Radiológiai Tanszék
dc.contributor.authorKrizsán, Gábor
dc.contributor.departmentDE--Általános Orvostudományi Kar
dc.contributor.opponentdeptÁltalános Orvostudományi Kar
dc.date.accessioned2026-04-13T13:44:10Z
dc.date.available2026-04-13T13:44:10Z
dc.date.created2026
dc.description.abstractBevezetés: A diabetes mellitus prevalenciája világszerte, így Magyarországon is folyamatosan emelkedik, és hosszú távon súlyos szövődményekhez, köztük diabeteses nephropathiához vezethet. Ennek korai felismerése fontos, ugyanakkor a rutin vizsgálatokkal kihívást jelentő feladat. Bár a hasi CT vizsgálat nem része a rutin diabetes-diagnosztikának, a más okból készült felvételek a vesék szerkezetéről értékes információt adhatnak. A mesterséges intelligencia alapú szegmentálás lehetővé teszi, hogy ezen CT-kből finom radiomikai paramétereket nyerjünk ki, amelyek ígéretes biomarkerekké válhatnak a korai diabeteses vesekárosodás felismerésében. Célkitűzés: A diabeteses és nem diabeteses betegek veséinek CT-alapú morfológiai és radiomikai jellemzőinek elemzése mesterséges intelligencia alapú szegmentálás alkalmazásával, normál glomeruláris filtrációs ráta (eGFR > 90 ml/perc/1,73 m²) mellett. Módszerek: 2021.06.17. és 2025.01.31. közötti időszakból kigyűjtöttük azokat a hasi CT-vizsgálatokat, amelyekhez 3 hónapon belüli HbA1c-érték is rendelkezésre állt. A betegeket HbA1c alapján, illetve aszerint soroltuk csoportokba, hogy a CT-vizsgálat idején ismert volt-e II. típusú diabetesük. Vizsgálatunkba 38 olyan eset került be, akiknél az eGFR > 90 ml/perc/1,73 m² volt. Vizsgálatunkból kizártuk a vizsgálatokon egyértelmű strukturális vese eltérésekkel rendelkező betegeket (tumor, gyulladás, nagyobb cysták). Többváltozós lineáris regressziós modellt alkalmaztunk, a vesetérfogatok alakulásának vizsgálatára, amelyben a diabeteses status mellett az életkort, a nemet és a testfelszínt (BSA) kovariánsként szerepeltettük. Eredmények: Az életkorra, nemre és testfelszínre korrigált többváltozós lineáris regresszió alapján a diabetes független összefüggést mutatott a nagyobb teljes vesetérfogattal (β = 70,7 ml, 95% CI: 18,6-122,9, p = 0,009). A testfelszín volt a vesetérfogat legerősebb meghatározója (β = 261,4 ml/m², 95% CI: 161,5-361,3, p <0,001), míg az életkor (p = 0,96) és a nem (p = 0,44) nem mutatott szignifikáns kapcsolatot. Konklúzió: Eredményeink alapján a testfelszínre, életkorra és nemre korrigált vesetérfogat szignifikánsan nagyobb a diabeteses betegekben, ez összhangban van a korábbi irodalmi adatokkal. Vizsgálatunk legfontosabb eredménye, hogy ez a paraméter könnyen kinyerhető a más okból készült, rutin CT vizsgálatokból is. Ez a különbség alkalmas lehet CT-alapú biomarkerként a diabeteses nephropathia korai felismerésére, illetve bizonyos esetekben a rejtett diabetes detektálására is. A vizsgálatunkba bevont kis esetszám miatt további validálás szükséges.
dc.description.courseáltalános orvos
dc.description.courseactnappali
dc.description.courselangmagyar
dc.description.degreeegységes, osztatlan
dc.format.extent30
dc.identifier.urihttps://hdl.handle.net/2437/406165
dc.language.isohu
dc.rights.infoHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectDiabeteses nephropathia
dc.subjectradiomika
dc.subjectmesterséges intelligencia
dc.subjectautomata szegmentálás
dc.subjectCT
dc.subject.dspaceOrvostudomány
dc.titleDiabeteses nephropathia korai felismerése radiomikai jegyek alapján, mesterséges intelligencia alapú CT szegmentálás segítségével
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
szakdolgozat.pdf
Méret:
1.29 MB
Formátum:
Adobe Portable Document Format
Leírás:
szakdolgozat
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
2.35 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Hallgatói dolgozatok (Általános Orvostudományi Kar)