Stereotaktik beden radyoterapisi ile tedavi edilen akciğer oligometastazlarında klinik ve radyomik özellikler kullanılarak lokal nüksün tahmini
Prediction of local recurrence using clinical and radiomic features in lung oligometastases treated with stereotactic body radiotherapy
- Tez No: 846026
- Danışmanlar: DOÇ. DR. TİMUR KOCA
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyasyon Onkolojisi, Radiation Oncology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyasyon Onkolojisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Bu çalışmada, stereotaktik beden radyoterapisi (SBRT) uygulanan akciğer oligometastazlarında klinik ve radyomik özelliklerin kombine edilmesi ile makine öğrenmesi tabanlı modellerin oluşturulması ve bu modellerin lokal nüksü tahmin etme potansiyelinin değerlendirilmesi amaçlanmıştır. Akciğer oligometastazına SBRT uygulanan toplam 65 hasta ve 80 lezyon retrospektif olarak değerlendirilmiştir. Solid Tümörlerde Yanıt Değerlendirme Kriterlerine (RECIST 1.1) göre lezyonlar, lokal nüksü olanlar (n=12) ve lokal nüksü olmayanlar (n=68) olarak iki gruba ayrılmıştır. Simülasyon bilgisayarlı tomografilerinden birinci derece istatistikler, morfolojik, dokusal ve dalgacık dönüşümü tabanlı özellikler olmak üzere 4 farklı grup radyomik özellik elde edilmiştir. Radyomik ve klinik özelliklerin lokal nüksü tahmin etme potansiyeli, makine öğrenmesi tabanlı modellerle araştırılarak, performans metrikleri ile değerlendirilmiştir. Toplam 90 farklı model içinde,“SVMAttributeEval”özellik seçimi yöntemi ve“Logistic”makine öğrenmesi modeli kombinasyonunun SBRT ile tedavi edilen akciğer oligometastazlarında lokal nüksün tahmin edilmesini en başarılı şekilde sağlayan model olduğu gözlenmiştir. Bu modelin doğruluğu %93,75, kesinliği 0,76, duyarlılığı 0,83, özgüllüğü 0,95, F1 skoru 0,80 ve AUC değeri 0,84 olarak bulunmuştur. Bu makine öğrenmesi modeli, yumuşak doku sarkomu patolojisi, yaş, Wavelet-LLL-FirstOrder-Kurtosis, Original-FirstOrder-Kurtosis ve Wavelet-HHH-GLCM-ClusterShade özellikleri kulanılarak oluşturulmuştur. SBRT ile tedavi edilen akciğer oligometastazlarında, klinik ve radyomik özelliklerin kombinasyonuyla oluşturulan makine öğrenmesi modellerinin, lokal nüksü tahmin etme potansiyeli olduğu gösterilmiştir. Bu sonuçların çok merkezli, büyük ve bağımsız bir veri setinde doğrulanmasına ihtiyaç vardır.
Özet (Çeviri)
The purpose of this study was to create machine learning-based models by combining clinical and radiomic features in lung oligometastases treated with stereotactic body radiotherapy (SBRT) and to assess the potential of these models in predicting local recurrence. A total of 65 patients and 80 lesions who underwent SBRT for lung oligometastases were evaluated retrospectively. Lesions were categorized into two groups based on the Response Evaluation Criteria in Solid Tumors (RECIST 1.1): those with local recurrence (n=12) and those without local recurrence (n=68). Radiomic features were obtained from simulation computed tomographies in four different groups: first-order statistics, morphological, textural, and wavelet transform-based features. The potential of clinical and radiomic features in predicting local recurrence was investigated using machine learning-based models and assessed with performance metrics. Among a total of 90 different models, it was observed that the combination of the“SVMAttributeEval”feature selection method and the“Logistic”machine learning model was the most successful in predicting local recurrence in lung oligometastases treated with SBRT. The accuracy of this model was found to be 93.75%, precision 0.76, sensitivity 0.83, specificity 0.95, F1 score 0.80 and AUC value 0.84. This machine learning model was created using features such as soft tissue sarcoma pathology, age, Wavelet-LLL-FirstOrder-Kurtosis, Original-FirstOrder-Kurtosis, and Wavelet-HHH-GLCM-ClusterShade. The results indicate the potential of machine learning models created by combining clinical and radiomic features in predicting local recurrence in lung oligometastases treated with SBRT. Validation of these results in a multicenter, large, and independent dataset is needed.
Benzer Tezler
- Akciğer oligometastazlarında stereotaktik beden radyoterapisinin (SBRT) etkinliğinin değerlendirilmesi
The evaluation of the effectiveness of stereotactic body radiation therapy (SBRT) for lung oligometastases
HAKAN GAMSIZ
- Akciğer kanserli hastalarda stereotaktik vücut radyoterapisi tedavilerinde adaptif marj ile farklı tedavi tekniklerinin karşılaştırılması
Comparison of different treatment tecniques by using adaptive margin in stereotactic body radiation treatment in lung cancer patients
OSMAN ÖZTÜRK
Yüksek Lisans
Türkçe
2021
Radyasyon Onkolojisiİstanbul Aydın ÜniversitesiSağlık Fiziği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FÜSUN ÇETİN
- Stereotaktik beden radyoterapisi tekniğiyle planlanan akciğer ışınlamalarında fetüs dozunun araştırılması
Investigation of fetus dose in LUNG iradiations planned with stereotactic body radiotherapy technique
TESLİME KILIÇASLAN
Yüksek Lisans
Türkçe
2022
Radyasyon Onkolojisiİstanbul Medipol ÜniversitesiSağlık Fiziği Ana Bilim Dalı
DOÇ. DR. DİLEK ÜNAL
- Stereotaktik radyoterapi uygulanmış beyin metastazlı hastaların tedavi sonuçlarının değerlendirilmesi
Evaluation of treatment outcome of patients with brain metastases performed with stereotactic radiotherapy
EYÜB YAŞAR AKDEMİR
Tıpta Uzmanlık
Türkçe
2017
OnkolojiHacettepe ÜniversitesiRadyasyon Onkolojisi Ana Bilim Dalı
PROF. DR. MUSTAFA CENGİZ
- 3 farklı algoritmada hesaplanan akciğer SBRT planlarının dozimetrik karşılaştırılması
Dosimetric comparision of lung SBRT plans calculated in 3 different algoritms
İSMAİL ANATÜRK
Yüksek Lisans
Türkçe
2022
Sağlık EğitimiAnkara Yıldırım Beyazıt ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. GÜVEN ÇANKAYA