Neoadjuvan kemoterapi almayan kolon kanseri hastalarında preoperative BT görüntülemesindeki radyomiks bulgularının patolojik bulgular ile korelasyonu
Correlation of radiomics features on preoperative CT imaging with pathological findings in colon cancer patients who did not receive neoadjuvant chemotherapy
- Tez No: 1016143
- Danışmanlar: DOÇ. DR. TURGUT SEBER
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: kolon kanseri, makine öğrenmesi, radyomiks, segmentasyon, colon cancer, machine learning, radiomics, segmentation
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Kayseri Şehir Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Çalışmamızda kolon kanserli hastaların BT görüntülerini radyomiks ile analiz ederek patoloji verileri ile korelasyonu ve radyomiksin bu alandaki öngörüsünün araştırılması amaçlanmıştır. Gereç ve Yöntem: Çalışmamıza, 2019-2024 yılları arasında hastanemize başvurmuş, hastanemizde opere olan, neoadjuvan tedavi almamış, hastanemiz veri sisteminde kolon kanseri tanısı ve operasyon öncesi kontrastlı abdomen – pelvis BT tetkiki bulunan hastalar dahil edilmiştir. Tüm hastalarda cerrahi sonrası elde edilen örnekler histopatolojik olarak değerlendirilmiştir. Lenfovasküler invazyon ve perinöral invazyon durumu pozitif (1) veya negatif (0) olarak kaydedilmiştir, tümör diferansiasyon dereceleri belirtilmiştir. Primer tümör dokusu, LIFEx (Local Image Feature Extraction) yazılımı (v25.06.1) kullanılarak manuel olarak segment edilmiş ve radyomik özellikler elde edilmiştir. Elde olunan radyomik özellikler lojistik regresyon (L1 regularizasyonlu), Random Forest, destek vektör makineleri (SVM-RBF), XGBoost ve LightGBM gibi makine öğrenmesi tabanlı yöntemlerle analiz edilmiştir. En başarılı model konfigürasyonu ROC eğrisi altında kalan alan (AUC), doğruluk, duyarlılık, özgüllük ve F1 skorları kullanılarak belirlenmiştir. p<0,05 değeri istatistiksel olarak anlamlı kabul edilmiştir. Bulgular: LVI ve PNI analizlerinde en yüksek performans XGBoost modeli ile elde edilmiştir. LVI prediksiyonunda modelin AUC değeri 0,7357, duyarlılığı %87,7 olarak bulunmuştur. PNI prediksiyonunda ise AUC değeri 0,7355 olarak saptanmıştır. En önemli radyomik özelliklerin büyük kısmını tekstür, heterojenite, RIM-based ve RIM-histogram temelli parametreler oluşturdu. Diferansiasyon analizinde orta düzey performans elde edildi. Sonuç: Preoperatif BT görüntülerinden elde edilen radyomik özelliklerin makine öğrenmesi modelleri ile analizi sonucunda kolon kanserinde LVI ve PNI prediksiyonunun non-invaziv olarak başarılı bir şekilde yapılabileceği gösterilmiştir. Özellikle heterojenite ve tekstür tabanlı radyomik özelliklerin tümör agresifliği ve kötü prognoz ile ilişkili olabileceği düşünülmektedir. Bu sayede hastaların prognozunun daha ayrıntılı öngörülebilmesi ve kişiselleştirilmiş tedavi planlarına katkı sağlanabilmesi mümkün olabilir.
Özet (Çeviri)
Introduction and Objective: The aim of this study was to investigate the correlation between radiomics analysis of CT images and histopathological findings in patients with colon cancer, and to evaluate the predictive potential of radiomics in this field. Materials and Methods: Patients who were admitted to our hospital between 2019 and 2024, underwent surgery at our institution, did not receive neoadjuvant therapy, and had a diagnosis of colon cancer with preoperative contrast-enhanced abdominal-pelvic CT examinations available in the hospital database were included in the study. Surgical specimens obtained from all patients were histopathologically evaluated. Lymphovascular invasion (LVI) and perineural invasion (PNI) status were recorded as positive (1) or negative (0), and tumor differentiation grades were documented. Primary tumor tissue was manually segmented using the LIFEx (Local Image Feature Extraction) software (v25.06.1), and radiomic features were extracted. The obtained radiomic features were analyzed using machine learning–based methods including logistic regression (L1-regularized), Random Forest, support vector machines (SVM-RBF), XGBoost, and LightGBM. The best-performing model configuration was determined using the area under the ROC curve (AUC), accuracy, sensitivity, specificity, and F1 score. A p-value <0.05 was considered statistically significant. Results: The highest performance in both LVI and PNI analyses was achieved with the XGBoost model. In LVI prediction, the model achieved an AUC value of 0.7357 with a sensitivity of 87.7%. In PNI prediction, the AUC value was 0.7355. Most of the most significant radiomic features consisted of texture, heterogeneity, RIM-based, and RIM-histogram–based parameters. Moderate performance was obtained in differentiation analysis. Conclusion: The analysis of radiomic features obtained from preoperative CT images using machine learning models demonstrated that non-invasive prediction of LVI and PNI in colon cancer can be successfully achieved. In particular, heterogeneity- and texture-based radiomic features may be associated with tumor aggressiveness and poor prognosis. These findings suggest that radiomics may contribute to more accurate prognostic prediction and personalized treatment planning for patients.
Benzer Tezler
- Kolorektal kanser tanılı hastaların retrospektif değerlendirilmesi
Retrospective evaluation of patients diagnosed with colorectal cancer
AHMET FAİK CEM ÖKCESİZ
Tıpta Uzmanlık
Türkçe
2024
OnkolojiZonguldak Bülent Ecevit Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. MUAMMER BİLİCİ
- Sağ kolon malignitesi sebebi ile açık ve minimal invaziv sağ hemikolektomiuygulanan hastalarda preoperatif sistemik immün inflamasyon indeksinin prognoz ve erken dönem komplikasyonlar ile ilişkisi
The relationship between preoperative systemic immune-inflammation index and prognosis and early postoperative complications in patients undergoing open and minimally invasive right hemicolectomy due to right colon malignancy
NEDİM AYKURT
Tıpta Uzmanlık
Türkçe
2025
Genel CerrahiSağlık Bilimleri ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. MUSTAFA DÖNMEZ
- Neoadjuvan kemoterapi almayan erken evre meme kanseri hastalarında operasyon sonrası histopatolojik boyutlarla operasyon öncesi mamografi, ultrasonografi ve manyetik rezonans görüntülemede tümör boyutlarının moleküler subtiplere ve in situ varlığına göre karşılaştırılması
Comparison of postoperative histopathological dimensions with preoperative mammography, ultrasonography and magnetic resonance imaging tumour dimensions according to molecular subtypes and presence of in situ in early stage breast cancer patients who did not receive neoadjuvant chemotherapy
DENİZ ESİN TEKCAN ŞANLI
Yüksek Lisans
Türkçe
2024
Radyoloji ve Nükleer TıpAcıbadem Mehmet Ali Aydınlar ÜniversitesiMeme Görüntüleme Teknikleri ve Teknolojileri Ana Bilim Dalı
PROF. DR. GÜL ESEN
- Neoadjuvan kemoterapi alan ve almayan mide kanserli hastalarda erken dönem postoperatif komplikasyonların karşılaştırılması
Comparison of early postoperative complications in patients with gastric cancer who received and did not receive neoadjuvant chemotherapy
BERİL NUR YALÇIN
Tıpta Uzmanlık
Türkçe
2025
Genel CerrahiNecmettin Erbakan ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. TEVFİK KÜÇÜKKARTALLAR
- Neoadjuvan kemoterapi alan over kanseri hastalarında gelişen venöz tromboembolik olayların retrospektif olarak araştırılması
A retrospective investgation of venous thromboembolic events in ovarian cancer patients receiving neoadjuvant chemotherapy
HATİCEGÜL TUNCER
Tıpta Uzmanlık
Türkçe
2025
Kadın Hastalıkları ve DoğumHacettepe ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. ZAFER SELÇUK TUNCER