Yapay zeka ile eritrosit morfolojilerinin incelenmesi

Giriş: Periferik yayma, hematoloji pratiğinde uzun yıllardır temel tanı yöntemlerinden biri olmuştur. Ancak gözlemciye bağımlı yorum farklılıkları ve zaman alıcı yapısı, yöntemin güvenilirliğini sınırlamaktadır. Son yıllarda yapay zekâ (YZ) destekli görüntü analizleri, bu sorunlara çözüm sunabilecek yenilikçi bir alan olarak öne çıkmaktadır. Bu çalışma, periferik yayma görüntülerinde YZ algoritmalarının kullanılabilirliğini ve elde edilen bulguların hemogram parametreleriyle, özellikle ortalama eritrosit hacmi (MCV) ile olan ilişkisini incelemeyi amaçlamaktadır. Yöntem: Araştırmaya 286 hastadan elde edilen 1000 periferik yayma görüntüsü dahil edildi. Görüntüler 100x büyütmede dijitalleştirildi ve YOLOv8 algoritması ile eritrositler tespit edildi. Toplamda 298.043 eritrosit analiz edildi. Bulgular: YZ analiziyle elde edilen ortalama eritrosit alanı ile MCV arasında pozitif yönde, orta düzeyde ve istatistiksel olarak anlamlı bir korelasyon saptandı (ρ = 0.4297, p < 0.0001). Passing-Bablok regresyonu doğrusal uyum gösterirken, Bland-Altman analizi –0.37'lik ortalama fark ve –9.26 ile +8.53 arasında güven sınırları ortaya koydu.. Sonuç ve Öneriler: Bulgular, periferik yayma analizinde yapay zekanın yalnızca morfolojik değerlendirme için değil, laboratuvar parametreleriyle birlikte kullanıldığında da güçlü bir araç olabileceğini göstermektedir. Bu yaklaşım, özellikle anemi ve diğer hematolojik bozuklukların erken tanısında klinik uygulamaya değerli katkılar sunabilir. İleride yapılacak daha geniş ölçekli ve prospektif çalışmalar, yöntemin doğruluğunu ve klinik entegrasyon potansiyelini güçlendirecektir. Anahtar Kelimeler: Eritrosit morfolojisi, Yapay zeka, Periferik yayma, Ortalama korpüsküler hacim