Primer akciğer kanserinde radyomiks tabanlı makine öğrenmesi ile metastaz tahmini
Metastasis prediction in primary lung cancer using radiomics-based machine learning
- Tez No: 1001163
- Danışmanlar: DR. ÖĞR. ÜYESİ NUR HÜRSOY
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: akciğer neoplazisi, makine öğrenmesi, radyomiks, metastaz, lung neoplasms, machine learning, radiomics, neoplasm metastasis
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bakanlığı
- Enstitü: Recep Tayyip Erdoğan Üniversitesi Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Dünya genelinde kanser ölümlerinin başında gelen akciğer kanserinde, tanı anındaki metastaz varlığı tedavi seçeneklerini ve sağ kalımı belirleyen önemli faktörlerdendir. Geleneksel görüntüleme yöntemlerinin maliyet ve radyasyon gibi kısıtlılıklarına karşı radyomiks, tıbbi görüntülerden yüksek hacimli kantitatif veri çıkararak tümör biyolojisi hakkında bilgi sunan non-invaziv bir yöntemdir. Literatürde primer tümör özelliklerinden uzak metastazı öngören araştırmalar sınırlı düzeydedir. Bu çalışma, primer akciğer kanseri hastalarında tedavi öncesi kontrastlı toraks bilgisayarlı tomografi (BT) görüntülerinden elde edilen radyomiks özellikleri kullanılarak uzak metastaz varlığının makine öğrenmesi modelleri ile öngörülebilirliğini değerlendirmeyi amaçlamaktadır. Gereç ve Yöntem: Retrospektif tasarlanan çalışmada, hastaların tanı öncesi veya sonrası 2 hafta içinde çekilmiş kontrastlı toraks BT görüntüleri analiz edildi. Tümör segmentasyonları 3D Slicer programı kullanılarak yarı otomatik yöntemle gerçekleştirildi. PyRadiomics kütüphanesi aracılığıyla 107 radyomik özellik (şekil, birinci ve ikinci derece doku özellikleri) çıkarıldı. Özellik seçiminde tekrarlanabilirlik için Sınıf İçi Korelasyon Katsayısı (ICC>0,75) ve anlamlılık için Boruta algoritması kullanıldı. Veri seti %70 eğitim ve %30 test grubu olarak ayrıldı; dış veri seti modelin öğrenme kapasitesini artırmak amacıyla eğitim setine entegre edildi. Metastaz tahmini için XGBoost makine öğrenmesi modeli geliştirildi. Modelin başarısı 5-kat çapraz doğrulama ile optimize edildi ve performansı eğri altında kalan alan (AUC), doğruluk, duyarlılık, özgüllük, pozitif prediktif değer, negatif prediktif değer ve F1-skoru ile değerlendirildi. İstatistiksel analizlerde p<0,05 değeri anlamlı kabul edildi. Bulgular: Çalışmaya, kurumumuzda 2019-2024 yılları arasında akciğer kanseri tanısı alan 93 hasta ile“The Cancer Imaging Archive”(TCIA) veri setinden seçilen 90 hasta olmak üzere toplam 183 olgu dahil edildi. Eğitim ve test setlerinde sırasıyla AUC değerleri 0,80 ve 0,73, doğruluk 0,789 ve 0,704, F1-skoru 0,776 ve 0,714, geri çağırma (recall) 0,737 ve 0,833 olarak belirlenmiştir. Sonuç: Çalışmamızda, akciğer kanserli hastalarda primer tümörün BT tabanlı radyomik özelliklerinin, makine öğrenmesi algoritmasıyla birleştirilerek uzak metastaz varlığını öngörmedeki potansiyeli ortaya konmuştur.
Özet (Çeviri)
Introduction and Objective: Lung cancer is the leading cause of cancer-related mortality worldwide and the presence of metastasis at the time of diagnosis is a critical factor determining treatment options and survival. Compared to traditional imaging methods, which have limitations such as cost and radiation exposure, radiomics is a non-invasive method that provides information about tumor biology by extracting high-volume quantitative data from medical images. Studies predicting distant metastasis based on primary tumor characteristics are limited in the literature. This study aims to evaluate the predictability of distant metastasis using radiomics features obtained from contrast-enhanced chest computed tomography (CT) images before treatment in patients with primary lung cancer using machine learning models. Materials and Methods: In this retrospective study, contrast-enhanced chest CT images taken within 2 weeks before or after diagnosis were analyzed. Tumor segmentations were performed semi-automatically using the 3D Slicer program. A total of 107 radiomic features (shape, first- and second-order tissue features) were extracted. For feature selection, the Intraclass Correlation Coefficient (ICC>0,75) was used for repeatability and the Boruta algorithm was used for significance. The dataset was split into a 70% training and 30% test group; an external dataset was integrated into the training set to enhance the model's learning capacity. An XGBoost machine learning model was developed for metastasis prediction. The model's performance was optimized using 5-fold cross-validation. Model performance was evaluated using AUC, accuracy, sensitivity, specificity, positive predictive value, negative predictive value, and F1-score. A p<0,05 value was considered statistically significant in statistical analyses. Findings: The study included a total of 183 cases: 93 patients diagnosed with lung cancer at our institution between 2019 and 2024, and 90 patients selected from“The Cancer Imaging Archive”(TCIA) dataset. The area under the curve (AUC) values in the training and test sets were 0,80 and 0,73, respectively, with accuracy of 0,789 and 0,704, F1-score of 0,776 and 0,714, and recall of 0,737 and 0,833. Conclusion: Our study demonstrated the potential of combining CT-based radiomic features of the primary tumor in lung cancer patients with a machine learning algorithm to predict the presence of distant metastases.
Benzer Tezler
- Karaciğer metastazlarında primer tümör odağını öngörmede 'radiomics' ve makine öğrenmesinin katkısı
Contribution of 'radiomics' and machine learning in predicting primer tumor site in liver metastases
ABDULLAH YILDIZ
Tıpta Uzmanlık
Türkçe
2020
Radyoloji ve Nükleer TıpKocaeli ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUDE TOSUN
- Karaciğer metastazlarının manyetik rezonans görüntülemede radiomiks özelliklerinin analizi ve makine öğrenmesi yöntemleri ile primer tümöre göre sınıflandırılması
Radiomics analysis of liver metastases on mri and classification for primary site with machine learning
YUNUS EMRE ÇAKMAKLI
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. MEHMET ÖNCÜ
- Primer akciğer kanserinde pnömonektomi sonuçlarının değerlendirilmesi
Başlık çevirisi yok
HAKKI AKALIN
- Primer akciğer kanserinde neoadjuvan tedavi uygulanmış hastalarda akciğer rezeksiyonları
Pulmonary resections in primary lung carcinoma patients after neoadjuvant treatment
BERKER ÖZKAN
Tıpta Uzmanlık
Türkçe
2011
Göğüs Kalp ve Damar Cerrahisiİstanbul ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. SEYFİ ALPER TOKER
- Primer akciğer kanserinde cerrahi sonrası mortalite
Post-surgery mortality in primary lung cancer
YUNUS TÜRK
Tıpta Uzmanlık
Türkçe
2022
Göğüs Kalp ve Damar CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. AHMET ÜÇVET