Triple negatif meme kanserli hastalarda neoadjuvan tedaviye yanıtın tedavi öncesi dinamik meme MRG kullanılarak derin öğrenme bazlı yapay zeka desteği ile öngörülmesi

Prediction of response to neoadjuvant therapy in patients with triple-negative breast cancer using deep learning-based artificial intelligence support with pre-treatment dynamic breast MRI

PDF İndir

Tez No: 887018
Yazar: RAŞİT EREN BÜYÜKTOKA
Danışmanlar: PROF. DR. ZEHRA HİLAL ADIBELLİ
Tez Türü: Tıpta Uzmanlık
Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2024
Dil: Türkçe
Üniversite: Sağlık Bilimleri Üniversitesi
Enstitü: İzmir Şehir Hastanesi
Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
Bilim Dalı: Belirtilmemiş.
Sayfa Sayısı: 76

Özet

ÖZET Giriş: Üçlü negatif meme kanseri (TNBC), sınırlı tedavi seçenekleri ve kötü prognozuyla bilinen oldukça agresif bir meme kanseri alt tipidir. neoadjuvan tedaviye (NAT) yanıtı, tedaviye başlamadan önce öngörmek, hasta yönetimini optimize etmek ve sonuçları iyileştirmek açısından oldukça faydalı olabilir. Amaç: Bu çalışma, radyolojik görüntüler kullanarak TNBC hastalarında NAT yanıtını öngörmede yapay zeka (YZ) algoritmasının etkinliğini değerlendirmeyi amaçlamaktadır. Gereç ve Yöntem: 2018-2022 yılları arasında iki merkezde NAT uygulanan TNBC hastaları üzerinde retrospektif bir çalışma gerçekleştirilmiştir. Tedavi öncesi manyetik rezonans görüntülemeleri (MRG), derin öğrenme tabanlı bir YZ algoritması ile analiz edilmiştir. Bunun dışında klinik, radyolojik ve patolojik verilerin de NAT yanıtı arasındaki ilişki analiz edilmiştir. Klinik ve patolojik sonuçlara tamamen kör olan radyologlar görüntüleri değerlendirmiş ve NAT yanıtını predikte etmeye çalışmıştır. YZ modelinin ve radyologların performansı doğruluk, F1 skoru ve işlem karakteristik eğrisi altındaki alan (AUC ROC) gibi metrikler kullanılarak hesaplanmıştır. Bulgular: Radyolojik tümör çapı, post-kontrast T1 ağırlıklı görüntü (T1AG) tümör volümü ve NAT yanıtı arasında anlamlı ilişkiler bulunmuştur. Tam yanıt veren hastaların tümör çapları (p=0.034) ve tümör hacimleri (p=0.045) anlamlı olarak daha düşük bulunmuştur. Cilt invazyonu, yanıt vermeyen hastalarda anlamlı derecede daha fazla bulunmuştur (p=0.035). Yüksek Ki67 değerlerinin daha iyi yanıt ile ilişkili olduğu tespit edilmiştir (p=0.023). Grup 1'de (tam yanıt vs. diğerleri) en iyi performans gösteren YZ modeli yalnızca post-kontrast T1WI verilerini kullanarak %82 doğruluk, 0,67 F1 skoru ve 0,75 AUC değerine ulaşmıştır. Grup 2'de (tam yanıt ve tama yakın yanıt grubu vs. diğerleri), post-kontrast T1AG ve difüzyon ağırlıklı görüntüleme (DAG) verilerini kullanarak %82 doğruluk, 0,81 F1 skoru ve 0,96 AUC ROC değeri elde etmiştir. YZ modeli oldukça iyi bir performans göstererek NAT yanıtını öngörmede yardımcı olabilecek bir algoritma olarak ortaya çıkmıştır. Sonuç: YZ algoritması, TNBC hastalarında NAT yanıtını değerlendirmede iyi bir doğruluk oranı elde etmiştir. YZ'nin klinik pratiğe entegrasyonu, karar verme sürecini iyileştirebilir, tedavi planlarını optimize edebilir ve hasta sonuçlarını iyileştirebilir. Gelecekteki araştırmalar, YZ modelinin prospektif doğrulamasına ve multimodal veri entegrasyonuna odaklanarak öngörü kabiliyetlerini daha da geliştirmelidir.

Özet (Çeviri)

ABSTRACT Background: Triple-negative breast cancer (TNBC) is a highly aggressive subtype of breast cancer known for its limited treatment options and poor prognosis. Predicting the response to neoadjuvant therapy (NAT) before treatment initiation can be highly beneficial for optimizing patient management and improving outcomes. Objective: This study aims to evaluate the effectiveness of an artificial intelligence (AI) algorithm in predicting the response to NAT in TNBC patients by using radiological images. Material and Methods: A retrospective study was conducted on TNBC patients who underwent NAT between 2018 and 2022 across two centers. Pre-treatment magnetic resonance imaging (MRI) scans were analyzed using a deep learning-based AI algorithm. Additionally, the relationships between clinical, radiological, and pathological data and NAT response were analyzed. Radiologists, blinded to clinical and pathological outcomes, evaluated the images and attempted to predict the NAT response. The performance of the AI model and radiologists were assessed using metrics such as accuracy, F1 score, and area under the receiver operating characteristic curve (AUC ROC). Results: Significant relationships were found between radiological tumor diameter, post- contrast T1-weighted image (T1WI) tumor volume, and NAT response. Patients with complete response had significantly lower tumor diameters (p=0.034) and tumor volumes (p=0.045). Skin invasion was significantly more prevalent in non-responding patients (p=0.035). Higher Ki67 values were associated with better response (p=0.023). In Group 1 (complete response vs. others), the best-performing AI model, using only post-contrast T1WI data, achieved 82% accuracy, an F1 score of 0.67, and an AUC ROC of 0.75. In Group 2 (complete and near-complete response vs. others), using post-contrast T1WI and diffusion-weighted imaging (DWI) data, the model achieved 82% accuracy, an F1 score of 0.81, and an AUC ROC of 0.96. The AI model demonstrated excellent performance, indicating its potential as a useful tool for predicting NAT response. Conclusion: The AI algorithm achieved good accuracy in evaluating NAT response in TNBC patients. The integration of AI into clinical practice can improve decision-making, optimize treatment plans, and enhance patient outcomes. Future research should focus on prospective validation of the AI model and the integration of multimodal data to further enhance its predictive capabilities.

Benzer Tezler

Tez No
931529
Neoadjuvan kemoterapi alan meme kanseri hastalarında inflamatuar ve nutrisyonel parametrelerle patolojik tam yanıtın ilişkisi
Relationship between inflammatory and nutritional parameters and pathological complete response in breast cancer patients receiving neoadjuvant chemotherapy
ALİ CAN MEMİŞ
Tıpta Uzmanlık
Türkçe
2025
Onkoloji Sağlık Bilimleri Üniversitesi
İç Hastalıkları Ana Bilim Dalı
DOÇ. DR. KADEM ARSLAN
Tez No
805825
Neoadjuvan kemoterapi alan meme kanserli hastalarda androjen reseptör ekspresyonunun tedavi yanıtla ilişkisi ve prognostik önemi
The relationship between androgen receptor expression and treatment response, as well as the prognostic significance, in breast cancer patients receiving neoadjuvant chemotherapy
ABDULLAH ÜMİT
Tıpta Uzmanlık
Türkçe
2023
Onkoloji Akdeniz Üniversitesi
İç Hastalıkları Ana Bilim Dalı
PROF. DR. ALİ MURAT TATLI
Tez No
694072
Neoadjuvan kemoterapi almış meme kanserli hastalarda tedavi yanıtının tanı anındaki görüntüleme ve patoloji parametreleri ile tahmini
Predicting treatment response to neoadjuvant chemotherapy in women with breast cancer at initial evaluation using imaging and pathological parameters
ZÜLAL BAHAR
Tıpta Uzmanlık
Türkçe
2021
Radyoloji ve Nükleer Tıp Marmara Üniversitesi
Radyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR BUĞDAYCI
Tez No
852764
Neoadjuvan kemoterapi uygulanan meme kanserihastalarında patolojik yanıt oranları iletedavi öncesi nötrofil/lenfosit oranı veplatelet/lenfosit oranının ilişkisi
Relationship between pathologic response ratesand pre-treatment neutrophil/lymphocyte ratioand platelet/lymphocyte ratio in breast cancerpatients receiving neoadjuvant chemotherapy
FERHAT TADİK
Tıpta Uzmanlık
Türkçe
2024
İç Hastalıkları Sağlık Bilimleri Üniversitesi
İç Hastalıkları Ana Bilim Dalı
DOÇ. DR. İSMAİL DEMİR
DOÇ. DR. FERDA BİLGİR
Tez No
684385
Neoadjuvan kemoterapi alan meme kanseri hastalarında MİR216B ve mir134'ün ekspresyonlarının araştırılması
Investigation of the expressions of Mİt216B and MİR134 in breast cancer patients taking neoadjuvan chemotherapy
MÜZEYYEN BURCU KAPLAN YILMAZ
Tıpta Uzmanlık
Türkçe
2021
Moleküler Tıp Sağlık Bilimleri Üniversitesi
Tıbbi Patoloji Ana Bilim Dalı
DOÇ. DR. TUBA DİLAY KÖKENEK ÜNAL
PROF. DR. OLÇAY KANDEMİR

Geri Dön