Radikal prostatektomi planlanan, prostat kanserli hastalarda yapay zekâ tabanlı makine öğrenme tekniği kullanarak preoperatif lenf nodu tutulumunu ve doğru evreleme yapılması için genişletilmiş lenf nodu diseksiyonunu öngörme modeli
Using artificial intelligence-based machine learning technique for preoperative LYMPH node implementation and extended LYMPH node dissection for performing correct staging in patients with prostate cancer which are planning radical prostatectomy
- Tez No: 714279
- Danışmanlar: PROF. DR. SONER GÜNEY
- Tez Türü: Tıpta Uzmanlık
- Konular: Üroloji, Urology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Hamidiye Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Üroloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 47
Özet
AMAÇ Biz bu çalışmamızda, radikal prostatektomi (RP) planlanan prostat kanserli hastalarda doğru evreleme yapılabilmesini öngörebilmek ve ePLND kararı vermek adına yapay zekâ tabanlı bir araç geliştirmeyi planladık. GEREÇ VE YÖNTEMLER Bu çalışmaya, RP + ePLND yapılmış olan 105 adet hasta dahil edilmiştir. Makine öğrenme (ML) modellerini eğitmek, değerlendirmek ve test etmek için MATLAB (MATrix LABoratory) programlama dilini kullandık. Yazılım mühendislerinin önerilerine göre üç farklı ML algoritması kullanıldı: Random forest, K-nearest neighbour ve lojistik regresyon. Yaş, BMI, PSAd, PIRADS v2. Skoru, ISUP sınıflaması, perinöral invazyon varlığı, klinik T evresi, pozitif kor sayısı, pozitif biyopsi materyal yüzdesi, TRUS-bx ile biyopsi derecesi (Gleason skoru ≤3+3, 3+4, 4+3 ve ≥4+4) girdi değişkenleri olarak kabul edildi. BULGULAR ML algoritmaları arasında en iyi performans göstergeleri ANN'ye aittir. Verinin bir kısmını öğrenme ve parametre optimizasyonu için kullandıktan sonra test değerlerinde 94.12% kesinlik seviyesine 0,97 AUC ile ulaşmıştır. Diğer yöntemler de kesinlik olarak 80-85% arasında bir seviyede kalmışlardır. Hastaların Briganti grubunu tahmin etmede en çok gelecek vaat eden yöntem ANN olmuştur. SONUÇ ML tabanlı bir modelin kullanılması ePLND gerektiren hastaları daha doğru bir şekilde tanımlayarak prostat kanseri tedavisinde önemli bir rol oynayabileceğine ve önemli bir fark yaratabileceğine inanıyoruz.
Özet (Çeviri)
In this study, we planned to develop an artificial intelligence-based tool to predict accurate staging and to make ePLND decision in patients with prostate cancer scheduled for radical prostatectomy (RP). MATERIALS AND METHODS The data of 105 patients who had undergone RP + ePLND were evaluated retrospectively. We used the MATLAB (MATrix LAboratory) programming language to train, evaluate, and test machine learning (ML) models. Three different ML algorithms were used according to the software engineers' recommendations: Random forest, K-nearest neighbor, and logistic regression. Age, BMI, PSAd, PIRADS v2. Score, ISUP classification, presence of perineural invasion, clinical T stage, number of positive cores, percentage of positive biopsy material, biopsy grade with TRUS-bx (Gleason score ≤3+3, 3+4, 4+3 and ≥4+4) were accepted as variables. RESULTS Among the ML algorithms, the best performance indicators belong to ANN. After using some of the data for learning and parameter optimization, it reached 94.12% precision in test values with 0.97 AUC. Other methods also remained at a level of 80-85% precision. The most promising method for estimating the Briganti group of patients was ANN. CONCLUSION We believe that the use of an ML-based model could play an important role in prostate cancer treatment and make a significant difference by more accurately identifying patients requiring ePLND.
Benzer Tezler
- Organa sınırlı prostat kanserli hastalarda radikal prostatektomi öncesi elde edilen verilerin prediktif değerlerinin araştırılması
Başlık çevirisi yok
NİYAZİ UMUT ÖZDEMİR
- İleri yaşta radyoterapi uygulanan meme ve prostat kanserli hastalarda umut, başa çıkma tutumları ve ilişkili faktörler
Hope, coping strategies and their predictors in older patients with prostate and breast cancer under radiotherapy
SEMA YILDIZEL
- Prostat kanseri şüphesiyle biyopsi planlanan hastalarda işlem öncesi çekilen multiparametrik manyetik rezonans görüntüleme bulgularının 'prostate ımaging reporting and data system (pı-rads) ile skorlanması ve histopatolojik korelasyonu
Evalution of multiparametric mri findings of the patients with suspicion of prostate cancer using prostate imaging, reporting and data systemtm (pi-radstm) before the patients undergo planned biopsy and histopathologic correlation
ALİ AKMAN
Tıpta Uzmanlık
Türkçe
2016
Radyoloji ve Nükleer TıpCumhuriyet ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. CESUR GÜMÜŞ
- Sıçanlarda radyasyona bağlı erektil disfonksiyonun önlenmesinde astaksantinin etkisi
The effect of astaxanthin on the prevention of radiation-related erectile dysfunction in rats
GÜNAL ÖZGÜR
- Radikal prostatektomi uygulanan prostat kanseri tanılı hastalarda 68GA-HBED-CC-PSMA ile yapılan PET-BT sintigrafisinin rolü
The value of 68Ga-HBED-CC-PSMA PET-CT scanning in prostate cancer patients who underwent radical prostatectomy
MEHMET HAMZA GÜLTEKİN
Tıpta Uzmanlık
Türkçe
2016
Ürolojiİstanbul ÜniversitesiÜroloji Ana Bilim Dalı
PROF. DR. NUR AHMET ERÖZENCİ