Geri Dön

Kemoradyoterapi alan akciğer kanseri hastalarında pet/btile bt desen analizi karşılaştırılması: tümörün tedaviyeyanıtını öngörebilir miyiz?

Comparison of pet/ct and ct texture analysis in patients withstage iii-iv lung cancer receiving chemoradiotherapy: can wepredict the treatment response of the tumor?

PDF İndir

  1. Tez No: 793568
  2. Yazar: NILUFAR GASIMLI
  3. Danışmanlar: PROF. ŞÜKRÜ MEHMET ERTÜRK
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Akciğer kanseri, radiomics, tekstür analizi, makine öğrenmesi
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 89

Özet

GİRİŞ VE AMAÇ: Akciğer kanseri,kadınlarda ve erkeklerde kansere bağlı ölümlerin en sık nedenidir . Küçük hücreli dışı akciğer kanseri tüm akciğer kanseri türlerinin %85-90'nı oluşturmaktatır. Bilgisayarlı tomografi tanı anında ve evrelemeye yardımcı olarak kullanılmaktadır. Bilgisayar bazlı imaj analizi bilgisayarlı tomografinin lezyon saptama ve benign-malign lezyon ayırımını değerlendirmede tanısal değerini yükseltme amaçlı kullanmak için önerilmektedir. Eşlik eden tümöriçi nekroz, kanama, miksoid değişiklikler lezyonda dansite değişikliklerine neden olmaktadır. Tekstür (doku) analizi metoduyla lezyondaki düşük dansiteli alanlar saptanabilir ve lezyoniçi dansite farklılıkları ölçülebilir. Bu sayede tümöriçi heterojenite tespit edilebilir. Bu özellikler lezyonun agresifliği ile ilişkili olup, doku analizi yardımıyla tümörün diğer biyolojik özelliklerinin tespiti yapılabilmektedir. Bu araştırmanın amacı küçük hücreli dışı akciğer kanseri doku analizi özellikleri ile lezyonun PET/BT incelemede tedaviye yanıtı arasındaki korelasyonu ortaya koymaktır. Bu da akciğer kanserlerinin tanı anında prognozunu belirlemeğe ve tedaviye yanıtını öngörmeye yardımcı olacaktır. MATERYAL VE METOD: 2020-2023 yılları arasında İstanbul Üniversitesi İstanbul Tıp Fakültesinde biyopsi ile küçük hücreli dışı akciğer kanseri tanısı almış ,Radyoloji Anabilim Dalı'nda toraks BT görüntülemesi yapılan 106 hastanın görüntüleri restrospektif olarak değerlendirildi. BT kesitleri retrospektif olarak iki radyolog tarafından değerlendirildi. Operasyon uygulanması nedeniyle kontrol PET/BT incelemede kemoradyoterapiye metabolik yanıtı değerlendirilemeyen hastalar çalışmaya dahil edilmedi. Tekstür analizi için iki radyolog tarafından, Canon firmasına ait 'OLEA' yazılımı üzerinden serbest el region of interest (ROI) yerleştirilerek volümetrik segmentasyonları yapıldı. Görüntüler normalize edilerek, aykırı pikseller +/-3 sigma tekniği ile çıkarıldı. Pikseller yeniden şekillendirildi, gri seviyeler diskretize edildi. Ayrıca görüntülere sırasıyla 2 mm, 4 mm ve 6mm kerneller ile Laplacian of Gaussian filtreleri uygulandı. Tekstür analizi paramterelerinden tedaviye yanıtlı ve yanıtsız grupta istatiksel olarak anlamlı farklılık gösteren özellikler saptandı. Olea yazılımında olan Pyradiomics tabanlı öznitelikler çıkarıldı. Veriler standardize edildi. Öznitelik seçilimi aşamasında, intra-class correlations(ICC) analizi (threshold 0.75) ile tekrarlanabilir öznitelikler seçildi. Pearson korelasyon katsayılarına göre birbiri ile 0.7'den fazla korelasyon göstermeyen öznitelikler üçüncü aşamaya alındı. Son aşamada wrapper tabanlı ardışık öznitelik seçim algoritması (AÖS) kullanılarak öznitelikler seçildi. Wrapper 7 öznitelik seçti. Support vector machine(SVM), Logistic Regression(LR), Naive-Bayes (NB), k-Nearest Neighbors (kNN) algoritmaları kullanılarak modeller oluşturuldu. Çift katmanlı çapraz validasyon tekniği ile modellerin optimizasyonu sonrasında validasyonu yapıldı. İç katmanda 5-katlı validasyon mevcut olup modelin hiperparametreleri optimize edildi. Dış katmanda ise yine 5 katlı validasyon mevcut olup optimize modellerin doğrulaması yapıldı. Sonuçlar elde edildi. BULGULAR: Çalışmaya evre III-IV akciğer tanısı almış BT görüntülemesi yapılan ve histopatolojik olarak verifiye; 104 hasta dahil edildi (82 hasta tedaviye parsiyel veya tam yanıt vermiş olup yanıtlı kabul edildi. 24 hastanın tedaviye yanıtı stabil veya progrese olup tedaviye yanıtsız olarak kabul edildi). Her görüntüden 111 öznitelik (17 shape,19 first order, 24 GLCM, 5 NGTDM, 16 GLRLM, 16 GLSZM, 14 GLDM) çıkarıldı. BT tekstür analizinde İki gözlemcide yanıtlı ve yanıtsız hasta gruplarında 444 adet öznitelikten 202 öznitelik uyumlu bulundu. Pearson korelasyonu sonrasında AÖS BT ve LOG filtreli grupta 7 öznitelik seçti. Pearson korrelasyon analizi ve wrapper tabanlı ardışık öznitelik seçimi sonrasında 7 parametre ile SVM, LR, kNN, NB modellerinde doğruluk oranları hesaplandı Duyarlılık LR için %54, SVM için %64, NB için %90, kNN için %67 olarak hesaplandı. Özgüllük LR için %69, SVM için %72, NB için %86, kNN için %69 olarak hesaplandı. AUC değeri BT görüntüleri ile oluşturulan SVM ve LR modellerinin doğruluk oranları %72 ve 74 olarak saptandı. kNN modelinin doğruluk oranı %72 ve NB modelinin doğruluk oranı %68 olarak bulundu. SONUÇ:. Akciğer kanseri her iki cinste kansere bağlı ölümlerin en sık nedenidir. Kadınlarda meme kanserini takiben erkeklerde prostat kanserini takiben en sık görülen kanserdir Akciğer kanserinin görülme sıklığı kadınlarda her 100000'de 52.3 ve erkeklerde her 100000'de 71.3'dür . PET-BT tetkikleri ile kıyaslandığında BT'nin yüksek anatomik detay sağlaması, radyonuklid maruziyetinin bulunmaması pozitif yön olarak öne çıkmaktadır Tekstür analizi gibi makine öğrenmesi metodları tümör heterojenitesi ve agresifliğini belirlemede ve bu nedenle tümör prognozunu öngörmede yardımcı olmaktadır. Çalışmamızdan ve benzer çalışmalardan elde edilen sonuçlar sayesinde tekstür analizi incelemesi evre III-IV akciğer kanseri hastalarında prognozda ve tedaviye yanıtı öngörmede umut vaat etmektedir.

Özet (Çeviri)

AIM: Lung cancer is the most common cause of cancer-related death in men and women. Non-small cell lung cancer accounts for 85-90% of all lung cancer types. Computed tomography is used at the time of diagnosis and as an aid in staging. Computer-based image analysis is recommended to be used to increase the diagnostic value of computerized tomography in lesion detection and evaluation of benign-malignant lesion differentiation. Accompanying intra-tumor necrosis, bleeding, myxoid changes cause density changes in the lesion. With the texture analysis method, low-density areas in the lesion can be detected and intralesional density differences can be measured. In this way, intra-tumor heterogeneity can be detected. These features are related to the aggressiveness of the lesion, and other biological features of the tumor can be determined with the help of tissue analysis. The aim of this study is to reveal the correlation between the tissue analysis characteristics of non-small cell lung cancer and the response of the lesion to treatment in PET/CT examination. This will help determine the prognosis of lung cancers at the time of diagnosis and predict the response to treatment. MATERIALS AND METHODS: The images of 106 patients who were diagnosed with non-small cell lung cancer by biopsy in Istanbul University Istanbul Faculty of Medicine between 2020-2023 and underwent thoracic CT imaging in the Department of Radiology were retrospectively evaluated. CT sections were evaluated retrospectively by two radiologists. Patients whose metabolic response to chemoradiotherapy could not be evaluated in the control PET/CT examination due to the operation were not included in the study. For texture analysis, volumetric segmentation was performed by two radiologists by placing a free-hand region of interest (ROI) on Canon's 'OLEA' software. The images were normalized and outlier pixels were removed with +/-3 sigma technique. Pixels reshaped, gray levels discretized. In addition, 2 mm, 4 mm and 6 mm kernels and Laplacian of Gaussian filters were applied to the images, respectively. Statistically significant differences were found in the treatment-responsive and unresponsive groups from the texture analysis parameters. Pyradiomics based features in Olea software have been removed. Data were standardized. Inthe feature selection phase, reproducible features were selected with intra-class correlations(ICC) analysis (threshold 0.75). According to the Pearson correlation coefficients, the features that did not correlate more than 0.7 with each other were included in the third stage. At the last stage, the features were selected using the wrapper-based sequential feature selection algorithm (SFS). Wrapper has selected 7 attributes. Models were created using Support vector machine(SVM), Logistic Regression(LR), Naive-Bayes (NB), k-Nearest Neighbors (kNN) algorithms. After the optimization of the models with the double-layered cross-validation technique, validation was performed. The inner layer has 5-fold validation and the hyperparameters of the model have been optimized. In the outer layer, there is also 5- fold validation and the optimized models have been validated. The results have been obtained. RESULTS: The study included stage III-IV lung diagnosis, CT imaging performed and histopathologically verified; 104 patients were included (82 patients were considered as responding with partial or complete response to treatment. Response of 24 patients was considered as unresponsive with stable or progressive response to treatment). 111 features (17 shapes, 19 first order, 24 GLCM, 5 NGTDM, 16 GLRLM, 16 GLSZM, 14 GLDM) were extracted from each image. In the CT texture analysis, 202 features out of 444 features were found to be compatible in the responding and unresponsive patient groups in two observers. After Pearson correlation, SFS selected 7 features in the CT and LOG filtered group. After Pearson correlation analysis and wrapper-based sequential feature selection, accuracy rates were calculated in SVM, LR, kNN, NB models with 7 parameters. Sensitivity was calculated as 54% for LR, 64% for SVM, 90% for NB, and 67% for kNN.Sensitivity was calculated as 54% for LR, 64% for SVM, 90% for NB, and 67% for kNN. Specificity was calculated as 69% for LR, 72% for SVM, 86% for NB, and 69% for kNN. Accuracy rates of SVM and LR models created with AUC values of CT images were found to be 72 and 74%. The accuracy of the kNN model was 72% and the accuracy of the NB model was 68%. CONCLUSION: Lung cancer is the most common cause of cancer-related death in both sexes. It is the most common cancer after prostate cancer in men, following breast cancer in women. The incidence of lung cancer is 52.3 per 100000 in women and 71.3 per 100000 in men. Compared to PET-CT examinations, CT provides high anatomical detail and the absence of radionuclide exposure stands out as positive aspects. Machine learning methods such as texture analysis help to determine tumor heterogeneity and aggressiveness and therefore predict tumor prognosis. Thanks to the results obtained from our study and similar studies, texture analysis examination is promising in predicting the prognosis and response to treatment in stage III-IV lung cancer patients.

Benzer Tezler

  1. Tez No

    352758

    Akciğer kanseri tipine göre 18F-FDG PET/BT ile tedavi yanıtının morfolojik ve metabolik karşılaştırılması

    Morphological and metabolical comparison of treatment responsiveness with18F-FDG PET/BT according to lung cancer type

    MEHMET FATİH BÖRKSÜZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    Radyoloji ve Nükleer TıpCumhuriyet Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    PROF. DR. TANER ERSELCAN

  2. Tez No

    907740

    Lokal ileri ve ileri akciğer kanserlerinde F18-FDG PET/BT ile tedavi yanıtını değerlendirmede heterojenite indeksinin prediktif önemi

    Predictive value of heterogeneity index in evaluating treatment response with F18-FDG PET/CT in locally advanced and advanced lung cancers

    YİĞİTHAN OKAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    OnkolojiSağlık Bilimleri Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    PROF. DR. MUAMMER URHAN

  3. Tez No

    352966

    Neoadjuvan kemoterapi alan akciğer kanserli olgulard PET/BT bulgularının histopatolojik verilerle karşılaştırılması ve prognostik değeri

    Correlation and prognostic value of PET/CTfindings and histopathology after neoadjuvant chemotherapy in lung cancer patients

    BURCU SEVİLMİŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Radyoloji ve Nükleer TıpUludağ Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    PROF. DR. ALİ TAYYAR AKPINAR

  4. Tez No

    378017

    Neoadjuvan tedavi alan primer akciğer kanseri hastalarında rezeksiyon sonuçları

    The resection results of patients with primary lung cancer receiving neoadjuvant therapy

    YASİN EKİNCİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Göğüs Kalp ve Damar CerrahisiPamukkale Üniversitesi

    Göğüs Cerrahisi Ana Bilim Dalı

    PROF. DR. GÖKHAN YUNCU

  5. Tez No

    774523

    Rezeke edilemeyen Evre III küçük hücreli dışı akciğer kanseri hastalarında definitif eşzamanlı kemoradyoterapi tedavisi sonuçlarının incelenmesi

    Investigation of definitive concurrent chemoradiotherapy treatment outcomes in patients with unresectable Stage III non-small cell lung cancer

    MEHMET KIRSOY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    OnkolojiSağlık Bilimleri Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. MEHMET ALPASLAN ÖZGÜN

Geri Dön