Küçük hücreli dışı akciğer kanserinde hastalık evresinin ve sağkalımın tahmininde yapay zekânın yeri
The role of artificial intelligence in predicting disease stage and survival in non-small cell lung cancer
- Tez No: 1023072
- Danışmanlar: PROF. DR. BURÇİN ÇELİK
- Tez Türü: Tıpta Uzmanlık
- Konular: Göğüs Cerrahisi, Thoracic Surgery
- Anahtar Kelimeler: Akciğer Kanseri, Küçük Hücreli Olmayan Akciğer Karsinomu, Evreleme, Yapay Zekâ, Göğüs Cerrahisi, Sağkalım, Akciğer neoplazmları, Bilgisayarlı tomografi, Cerrahi-akciğer, Karsinoma-küçük hücreli olmayan-akciğer, Pozitron emisyon tomografi, Sağkalım analizi, Sağkalım oranı, Yapay zeka, Lung Cancer, Non-Small Cell Lung Cancer, Staging, Artificial Intelligence, Thoracic Surgery, Survival, Lung neoplasms, Computed tomography, Surgery-lung, Carcinoma-non small cell-lung, Positron-emission tomography, Survival analysis, Survival rate, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Göğüs Cerrahisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş-Amaç: Küçük hücreli dışı akciğer kanseri (KHDAK), dünya genelinde kansere bağlı mortalitenin önde gelen nedenlerinden biri olup, hastaların önemli bir kısmı tanı anında ileri evrede bulunmaktadır. Bu durum sağkalım oranlarını belirgin olarak etkilemektedir. KHDAK'de prognozun belirlenmesinde en önemli faktörlerden biri doğru evrelemedir. Son yıllarda yapay zekâ tabanlı uygulamalar, hastalıkların erken tanısında, doğru evrelendirilmesinde ve prognozun öngörülmesinde umut vadeden yöntemler olarak öne çıkmaktadır. Bu çalışmada, KHDAK tanısı ile ameliyat edilen hastaların, YZ uygulamalarının klinik evreleme doğruluğu ile patolojik evreleme arasındaki uyumunu değerlendirmek ve sağkalımın öngörülmesindeki performansının değerlendirilmesi amaçlanmıştır. Gereç ve Yöntem: Çalışma retrospektif olarak planlanmış olup, Ocak 2015 - Haziran 2025 tarihleri arasında Ondokuz Mayıs Üniversitesi Tıp Fakültesi Göğüs Cerrahisi Anabilim Dalı'nda KHDAK nedeniyle ameliyat edilen 156 hastayı kapsamaktadır. Çalışmaya, hastane bilgi sisteminde kayıtlı olan ameliyat öncesi PET-BT ve toraks BT görüntüleri ile histopatolojik verileri eksiksiz bulunan hastalar dahil edilmiştir. Hastalar ameliyat öncesi klinik olarak, sonrasında da patolojik olarak Akciğer Kanseri 9. TNM Evreleme Sistemine göre evrelendi. Çalışmaya dahil edilen hastalara ait DICOM (Digital Imaging and Communications in Medicine) görüntüleri elde edildi ve bu görüntüler, Roboflow yazılımının yarı otomatik segmentasyon modülü kullanılarak işaretlendi. Geliştirilen sistem, üç boyutlu (3B) PET-BT ve toraks BT görüntülerinden elde edilen metabolik ve morfolojik bilgileri kullanarak primer tümör (T), bölgesel lenf nodu (N) ve uzak metastaz (M) bileşenlerini ayrı analiz kanalları üzerinden değerlendiren bütünleşik bir analiz yapısı oluşturuldu. 9. TNM evreleme kurallarına dayalı kural tabanlı karar mekanizması olmak üzere beş temel aşamadan oluşan bir yapay zekâ modeli geliştirildi. Model performansı; duyarlılık, özgüllük, doğruluk ve F1 skoru kullanılarak değerlendirildi. Nitel değişkenler Ki-kare testi ile sağkalım verileri ise Kaplan–Meier yöntemi ve Log-rank testi ile analiz edildi. Tüm istatistiksel analizlerde anlamlılık düzeyi p<0,05 olarak kabul edildi. Bulgular: Hastaların yaş ortalaması 63,1 ± 8,9 (33-83) yıl idi. Hastaların ortalama takip süresi 32,2 ± 31,7 ay olarak tespit edildi. Hastaların %80,8'i (n=126) erkek iken %19,2'si (n=30) kadın idi. Çalışmada en sık yapılan cerrahi girişimin %59,6 (n=93) ile lobektomi olduğu görüldü. En sık görülen histopatolojik tanı %45,5 (n=71) ile adenokarsinom idi. En sık görülen evre, %22,4 (n=35) ile evre IIIA olarak saptandı. Çalışmamızda ortalama genel sağkalım süresi 70,2 ± 4,6 ay olup evre arttıkça sağkalım süresinin azaldığı (Evre I: 95,6±7,2 ay; evre II: 76,9±8,6 ay; evre III: 51,4±7,1 ay; evre IV: 30,0±8,8 ay) ve istatistiksel olarak anlamlı olduğu görüldü (p<0,001). Segmentasyon maskelerinden elde edilen veriler kullanılarak T ve N faktörlerinin tahmininde doğruluk oranları sırasıyla %83 ve %78 olarak bulunmuştur. Geliştirilen yapay zekâ modelinin TNM evreleme performansında doğruluk oranı %79,2, F1 skoru ise 0,78 olarak bulundu. Evre bazında F1 skorları sırasıyla; evre I için 0,80, evre II için 0,78, evre III için 0,75 ve evre IV için 1,00 olarak hesaplandı. Sonuç: Erken evrede tanı alan KHDAK hastalarında cerrahi rezeksiyon temel tedavi yöntemidir ve uzun dönem sağkalım sonuçları yüz güldürücüdür. Hastalık evresi arttıkça sağkalım süresi azalmaktadır. Bu nedenle akciğer kanserli hastaları erken dönemde tespit etmek, evrelemeyi doğru yapmak ve evresine uygun tedavi uygulamak önemlidir. Çalışmamızda geliştirilen yapay zekâ temelli modelin KHDAK'nin doğru evrelendirilmesinde yüksek doğruluk gösterdiği ortaya konulmuştur. Doğru evrelemenin sağkalımın öngörülmesindeki temel rolü göz önünde bulundurulduğunda, bu yaklaşımın klinik karar verme süreçlerine önemli katkı sağlayabileceği düşünülmektedir. Bununla birlikte geniş ve bağımsız veri setleri üzerinde ve standardize yöntemler kullanılarak elde edilecek sonuçlara dayanan çalışmalara ihtiyaç duyulmaktadır.
Özet (Çeviri)
Introduction and Objective: Non-small cell lung cancer (NSCLC) is one of the leading causes of cancer-related mortality worldwide, with a substantial proportion of patients presenting with advanced-stage disease at the time of diagnosis. This significantly compromises overall survival outcomes. Accurate staging remains one of the most critical determinants of prognosis in patients with NSCLC. In recent years, artificial intelligence (AI)-based applications have emerged as promising tools for the early detection, accurate staging, and prognostic prediction of various diseases. The present study aimed to evaluate the agreement between AI-assisted clinical staging and pathological staging in patients who underwent surgical resection for NSCLC, as well as to assess the performance of AI-based applications in predicting overall survival. Materials and Methods: This retrospective study included 156 patients who underwent surgical resection for non-small cell lung cancer (NSCLC) at the Department of Thoracic Surgery, Faculty of Medicine, Ondokuz Mayıs University, between January 2015 and June 2025. Patients with complete preoperative positron emission tomography/computed tomography (PET-CT), thoracic computed tomography (CT) imaging, and histopathological data available in the hospital information system were included. Clinical staging was performed preoperatively, and pathological staging was determined postoperatively according to the 9th edition of the TNM Classification for Lung Cancer. DICOM (Digital Imaging and Communications in Medicine) images were retrieved for all eligible patients and annotated using the semi-automatic segmentation module of the Roboflow platform. An integrated artificial intelligence (AI) framework was developed to independently analyze the primary tumor (T), regional lymph nodes (N), and distant metastases (M) through separate analytical pipelines by utilizing the metabolic and morphological information extracted from three-dimensional (3D) PET-CT and thoracic CT images. Based on the findings of these analyses, a rule-based decision-making algorithm incorporating the criteria of the 9th TNM staging system was implemented, resulting in a five-stage AI model for automated clinical staging. Model performance was evaluated using sensitivity, specificity, accuracy, and F1 score. Categorical variables were analyzed using the chi-square test, whereas survival outcomes were assessed using the Kaplan–Meier method and compared with the log-rank test. A two-sided p value of <0.05 was considered statistically significant for all analyses. Results: The mean age of the patients was 63.1 ± 8.9 years (range, 33–83 years), and the mean follow-up duration was 32.2 ± 31.7 months. Of the 156 patients, 126 (80.8%) were male and 30 (19.2%) were female. Lobectomy was the most frequently performed surgical procedure, accounting for 59.6% (n = 93) of all operations. The most common histopathological subtype was adenocarcinoma (45.5%, n = 71). Stage IIIA was the most prevalent disease stage, observed in 22.4% (n = 35) of the patients. The mean overall survival was 70.2 ± 4.6 months. Overall survival decreased significantly with advancing disease stage (Stage I: 95.6 ± 7.2 months; Stage II: 76.9 ± 8.6 months; Stage III: 51.4 ± 7.1 months; Stage IV: 30.0 ± 8.8 months; p < 0.001). Using data derived from the segmentation masks, the AI model achieved accuracy rates of 83% and 78% for the prediction of the T and N components, respectively. The overall performance of the proposed AI model for TNM staging demonstrated an accuracy of 79.2% with an F1 score of 0.78. The stage-specific F1 scores were 0.80 for Stage I, 0.78 for Stage II, 0.75 for Stage III, and 1.00 for Stage IV. Conclusion: Surgical resection remains the cornerstone of treatment for patients with early-stage non-small cell lung cancer (NSCLC) and is associated with favorable long-term survival outcomes. However, survival decreases progressively with advancing disease stage. Therefore, early detection, accurate staging, and stage-appropriate treatment are essential for improving patient outcomes. In the present study, the proposed artificial intelligence (AI)-based model demonstrated high accuracy in the staging of NSCLC. Given the pivotal role of accurate staging in predicting survival, this AI-driven approach has the potential to provide valuable support for clinical decision-making. Nevertheless, further validation through large-scale, independent datasets and standardized methodologies is warranted before its routine implementation in clinical practice.
Benzer Tezler
- Pnömonektomi uygulanan küçük hücreli dışı akciğer kanseri olgularında prognostik faktörler ve sağkalım analizi
Prognostic factors and survival analysis in non-small cell lung cancer cases with pneumonectomy
FULDEN GÖRGÜNER
Tıpta Uzmanlık
Türkçe
2024
Göğüs CerrahisiAnkara ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. HAKAN KUTLAY
ÖĞR. GÖR. YUSUF KAHYA
- Kemoterapi uygulanan akciğer kanserli hastalarda tedaviye yanıtın, yan etkilerin, yaşam kalitesinin ve yaşam süresinin değerlendirilmesi
Evaluation of treatment response, side effects, quality of life and survival in lung cancer patients who were given chemotherapy
BURCU ÖZLEN
Tıpta Uzmanlık
Türkçe
2007
Göğüs HastalıklarıTrakya ÜniversitesiGöğüs Hastalıkları ve Tüberküloz Ana Bilim Dalı
PROF. OSMAN NURİ HATİPOĞLU
- T3-T4 küçük hücreli dışı akciğer kanserinde cerrahi deneyimimiz ve sağkalıma etkisi
Our surgical experience in T3-T4 non-small cell lung cancer and its impact on survival
NUR ÇAĞLAYAN
Tıpta Uzmanlık
Türkçe
2025
Göğüs CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
DR. LEYLA NESRİN ACAR
- Küçük hücreli dışı akciğer kanserinde, plazma vasküler endotelyal büyüme faktörleri ve trombosit faktör-4 düzeylerinin prognostik önemi ve sağkalım süreleri ile ilişkisi
The prognostic significance of plasma levels vascular endothelial growth factors and platelet factor-4 and their relation to survival time in advanced non-small cell lung cancer
VOLKAN DEMİR
Tıpta Uzmanlık
Türkçe
2008
HematolojiTrakya ÜniversitesiDahili Tıp Bilimleri Bölümü
PROF. DR. AHMET MUZAFFER DEMİR
- Ileri evre küçük hücreli dışı akciğer kanserinde, plazma vasküler endotelyal büyüme faktörleri ve trombosit faktör 4 düzeylerinin prognostik önemi ve sağkalım süreleri ile ilişkisi
The prognostic significance of plasma levels vascular endothelial growth factors and platelet factor-4 and their relation to survival time in advanced non-small cell lung cancer
VOLKAN DEMİR
Tıpta Uzmanlık
Türkçe
2008
OnkolojiTrakya Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. AHMET MUZAFFER DEMİR