Geri Dön

Metastatik kolorektal kanser tanılı hastaların birinci basamak tedavisinde hedefe yönelik ajan seçiminin 'makine öğrenmesi' ile prediksiyonu

Prediction of targeted agent selection by 'machine learning' in first-line treatment of patients diagnosedwith metastatic colorectal cancer

  1. Tez No: 692072
  2. Yazar: ALKIM YOLCU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ATİKE PINAR ERDOĞAN
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: İç Hastalıkları, Internal diseases
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Manisa Celal Bayar Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: İç Hastalıkları Ana Bilim Dalı
  12. Bilim Dalı: Tıbbi Onkoloji Bilim Dalı
  13. Sayfa Sayısı: 104

Özet

Bu çalışmanın amacı, metastatik kolorektal kanserli hastaların (mKRK) birinci basamak tedavisinde hedefe yönelik ajan seçimini 'makine öğrenmesi' ile predikte etmektir. Bu amaçla retrospektif olarak, Nisan 2012-Ağustos 2020 tarihleri arasında Manisa Celal Bayar Üniversitesi Tıp Fakültesi Hastanesi Tıbbi Onkoloji Polikliniği'ne başvurmuş ya da servisinde yatarak tedavi almış mKRK tanılı 104 hastanın verilerini incelendi. Analizimiz, hastalarımızın 6. aya göre progresyon oranlarının, birinci basamak tedavide aldıkları iki farklı hedefe yönelik ilaç (bevasizumab veya setuksimab/panitumumab) üzerinden makine öğrenmesi ile tahmin etmeye bunu yaparken de ilaç yanıtını predikte edici özellikleri belirlemeye odaklanmaktadır. Hasta verilerinin anonimleştirilmesi ve veri ön hazırlık aşamasının tamamlanması sonrası elde edilen veri setimizde 6 farklı makine öğrenmesi algoritması kullanıldı. Aralarında çalışmamıza en uygun, en yüksek doğruluk oranına sahip olan algoritma Naive Bayes olarak belirlendi. Her özelliği birbirinden bağımsız olarak değerlendirebilme, az ve dengesiz veri setinde de kullanılabilir olması bu algoritmanın en iyi sonucu vermesinde etkili bulundu. Progresyonu tahmin etmedeki doğruluk oranı ise %84,38 olarak sonuçlandı. Makine öğrenme modelinin oluşturulmasında özellik seçimi için kullandığımız istatistiksel analiz ve genetik algoritma programlarının ortak olarak anlamlı bulduğu özellikler arasında hastanın boyu, karaciğere metastaz durumu, metastaz anındaki karsinoembriyojenik antijen değeri, metastaz anındaki hemoglobin değeri ve kullanılan ajana ait tedavi süresi yer aldı. Bu seçilmiş özelliklerle, makine öğrenmesi modelimizin 8 hasta ile yapılan performans değerlendirmesinde ise sadece 1 hasta için hatalı tahminde bulunduğu görüldü. Çalışmamız tedaviye yanıt veya direnç olasılığını gösterecek prediktif özelliklerin makine öğrenmesi ile analiz edilerek klinik karar alma sürecine katkıda bulunabileceğini göstermiştir. Elektronik sağlık kayıt sislemlerinin yaygınlaşmasıyla, sağlık uygulamalarındaki sorunları ele almak için geliştirilecek makine öğrenmesi programları zaman ve işgücü tasarrufuna önemli katkı sağlayacaktır.

Özet (Çeviri)

The aim of this study is to predict the selection of targeted agents in the first-line treatment of patients with metastatic colorectal cancer (mCRC) with 'machine learning'. For this purpose, the data of 104 patients with a diagnosis of mCRC who applied to the Manisa Celal Bayar University Medical Faculty Hospital Medical Oncology Outpatient Clinic or received inpatient treatment between April 2012 and August 2020 were analyzed retrospectively. Our analysis focuses on predicting our patients' progression rates at 6. month using machine learning over two different targeted drugs (bevacizumab or cetuximab/panitumumab) they receive in first-line therapy, and in doing so, it focuses on identifying features that predict drug response. Six different machine learning algorithms were used in our data set, which was obtained after the anonymization of patient data and the completion of the data preparation phase. Naive Bayes was determined as the algorithm with the highest accuracy and most suitable for our study. The fact that each feature can be evaluated independently of each other and that it can be used in small and unbalanced data sets has been found to be effective in giving the best result of this algorithm. The accuracy rate in estimating the progression was 84.38%. The features that the statistical analysis and genetic algorithm programs we used for feature selection found to be significant in common included the patient's height, liver metastasis status, carcinoembryonic antigen value at the time of metastasis, hemoglobin value at the time of metastasis, and the duration of treatment for the agent used. With these selected features, it was seen that our machine learning model made an incorrect prediction for only 1 patient in the performance evaluation with 8 patients. Our study has shown that predictive features that will show the possibility of response or resistance to treatment can be analyzed with machine learning and contribute to the clinical decision-making process. With the widespread use of electronic health record systems, machine learning programs to be developed in solving the problems in health applications will make a significant contribution to saving time and labor.

Benzer Tezler

  1. Metastatik kolorektal kanserli hastalarda hedefe yönelik tedavilerin etkinliğine etki eden faktörlerin incelenemesi

    Investigation of factors affecting the efficacy of targeted therapies in patients with metastatic colorectal cancer

    ŞENİZ TUTUM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    OnkolojiAnkara Yıldırım Beyazıt Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. MEHMET ALİ NAHİT ŞENDUR

  2. Metastatik kolorektal kanserli hastalarda birincibasamakta folfox ve folfırı protokollerinin primer tümöryerleşim yerine göre birinci basamak tedavi yanıtı ve sağkalım sonuçlarının karşılaştırılması

    Comparison of folfox and folfiri protocols at first-linetreatment in patients with metastatic colorectal cancer intreatment response and survival results according to primarytumor location

    ALİ ÖZDEMİR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    OnkolojiAkdeniz Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. ALİ MURAT TATLI

  3. Metastatik kolorektal kanserli hastalarda setuksimab ve bevasizumabın etkinliğinin değerlendirilmesi retrospektif çalışma

    Comparison of the efficacy of bevacizumab and cetuximab in patients with metastatic colorectal cancer retrospective study

    ÖNAY GERÇİK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    OnkolojiAnkara Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. HAKAN AKBULUT

  4. Bevacizumab veya setuksimab alan metastatik kolorektal kanser hastalarında primer veya metastatik dokuda tümöral PD-L1 ve peritümöral cd8+ til düzeylerinin kemoterapiye yanıt ve sağkalım ile ilişkisinin değerlendirilmesi

    Evaluation of the relationship between tumor PD-l1 and peritumoral cd8 + til levels in primary or metastatic tissue with response to chemotherapy and survival in metastatic colorectal cancer patients receiving bevacizumab or cetuximab

    ELVIN CHALABIYEV

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    OnkolojiHacettepe Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ZAFER ARIK

  5. Biyolojik ajan alan metastatik kolorektal kanser tanılı hastalarda sağkalım ve prognostik faktörlerin analizi

    Analysis of survival and prognostic factors in metastatic colorectal cancer patients treated with biological agents

    NAZIM CAN DEMİRCAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2016

    OnkolojiMarmara Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. FAYSAL DANE