YUQORI JAG‘ BO‘SHLIG‘I KISTASI BILAN KASALLANGAN BEMORLARNI SUN’IY INTELLEKTDAN FOYDALANIB TASHXISLASH VA DAVOLASH SAMARADORLIGINI OSHIRISH USULLARI
Keywords:
yuqori jag‘ bo‘shlig‘i kistalari, mukoz retensiya kistasi, psevdokista, operatsiyadan keyingi maxillyar kista, sun’iy intellekt, chuqur o‘rganish, KBT, KT, segmentatsiya, endoskopik jarrohlik.Abstract
Yuqori jag‘ bo‘shlig‘i kistalari klinik amaliyotda turli shakllarda uchraydi va ular orasida mukoz retensiya kistalari, psevdokistalar, operatsiyadan keyingi maxillyar kistalar hamda odontogen kelib chiqishli kistoz o‘zgarishlar muhim o‘rin tutadi. Mukoz retensiya kistalari va psevdokistalar ko‘pincha tasodifiy radiologik topilma bo‘lib, ayrim sharhlarda kattalar populyatsiyasida 13% gacha uchrashi ko‘rsatilgan. Ular odatda simptomsiz kechadi, biroq differensial tashxis muhim, chunki psevdokistalar ko‘pincha haqiqiy kista yoki o‘sma bilan adashtirilishi mumkin. Panoramik rentgenografiyada anatomik ustma-ust tushishlar tufayli noto‘g‘ri talqin ehtimoli yuqori bo‘ladi, shu sababli KT va KBT diagnostik aniqlikni oshiradi.
So‘nggi yillarda sun’iy intellekt, ayniqsa chuqur o‘rganish algoritmlari, yuqori jag‘ bo‘shlig‘i patologiyalarini aniqlash, segmentatsiya qilish va klinik qaror qabul qilishni qo‘llab-quvvatlashda istiqbolli vosita sifatida baholanmoqda. Tizimli sharhlarda KT va KBT tasvirlarida AI modellarining aniqligi 85% dan 97% gacha, sezgirligi 87% dan 100% gacha, spetsifikligi esa 87,2% dan 99,7% gacha yetgani qayd etilgan. Ayrim maxsus ishlarda panoramik rentgenogrammada retension psevdokistani avtomatik tasniflash uchun CNN modeli 81% aniqlik, uch sinfli umumiy tasnifda esa 92% aniqlikka erishgan; boshqa tadqiqotlarda EfficientNet-SVM gibrid modeli mukoz retensiya kistasini aniqlashda 87,9% aniqlik va 91,7% sezgirlik ko‘rsatgan.
Mazkur tadqiqotning maqsadi TDTU LOR bo‘limida 140 nafar bemorda yuqori jag‘ bo‘shlig‘i kistalarini aniqlash va davolashni rejalashtirishda sun’iy intellektga asoslangan yondashuvning klinik foydasini baholashdan iborat bo‘ldi. Modelga ko‘ra, standart klinik-endoskopik va radiologik algoritmga AI-triaj, avtomatik segmentatsiya va qaror qo‘llab-quvvatlovchi modul qo‘shildi. Natijalarda AI yordamida tashxis aniqligi, yakuniy qarorgacha ketgan vaqt va davolashni tanlashning mosligi yaxshilangani kuzatildi.
