Geri Dön

Meme kanserli hastalarda Flor-18 florodeoksiglukoz pozitron emisyon tomografisi/bilgisayarlı tomografisinin radyomiks analizinin neoadjuvan kemoterapi yanıtını öngörü değeri

Predictive value of radiomics analysis of Flor-18 flurodeoxyglucose positron emission tomography/computed tomography in response to neoadjuvant chemotherapy in breast cancer patients

PDF İndir

  1. Tez No: 891267
  2. Yazar: DİLEK ALGUR
  3. Danışmanlar: PROF. DR. AHMET TUTUŞ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Makine öğrenimi, PET/BT, F-18 FDG, meme kanseri, patolojik tam yanıt, neoadjuvan kemoterapi, radyomiks, texture analizi, yapay zeka, Machine learning, PET/CT, F-18 FDG, breast cancer, pathological complete response, neoadjuvant chemotherapy, radiomics, texture analysis, artificial intelligence
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Nükleer Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 90

Özet

ÖZET Amaç: Flor-18 florodeoksiglukoz pozitron emisyon tomografisi/bilgisayarlı tomografisi (F-18 FDG PET/BT) ile ilk evreleme yapılan meme kanseri (MK) hastalarında PET/BT görüntülerinden elde edilen radyomiks özellikler ve klinikopatolojik parametreler kullanılarak yapılan makine öğrenim yöntemlerinin patolojik tam yanıtı (PTY) öngörmedeki rolünün belirlenmesidir. Gereç ve yöntem: Ocak 2017-Aralık 2021 tarihleri arasında tedavi öncesi F-18 FDG PET/BT görüntülemesi yapılan ve neoadjuvan kemoterapi (NAK) uygulanan toplam 132 MK hastası çalışmaya dahil edildi. Radyomiks analizi için kullanılan LIFEx v7.4.0 uygulamasında her bir hastanın görüntüleri üzerinden memedeki primer malign lezyonu belirlenerek yarı-otomatik bölükleme yöntemi ile ilgi hacimleri oluşturuldu. Yazılım programı aracılığıyla segmente edilen her bir ilgi alanından 129 radyomiks özellik elde olundu ve özellik seçimi işlemleri yapıldı. Seçilen özellikler kombine modeller oluşturmak amacıyla hastanın klinikopatolojik verileri ile birlikte istatistiksel olarak değerlendirildi. Veri seti, eğitim ve test grubuna 7:3 oranında rastgele bölündü. Eğitim veri setleri üzerinde analizler yapılarak PTY ile güçlü korelasyonlara sahip en iyi radyomiks özellik setleri ile radyomiks ve klinikopatolojik parametrelerden oluşan setler belirlendi. ''Naive Bayes'' (NB), ''support vector machines'' (SVM) ve ''random forest'' (RF) olmak üzere üç farklı makine öğrenim yönteminin NAK sonrası PTY'ı öngörme gücü değerlendirildi. Kaplan-Meier analizi ve log-rank testi ile genel sağkalım açısından gruplar arasında istatistiksel olarak anlamlı fark olup olmadığına bakıldı. Klinikopatolojik değişkenlerin genel sağkalım üzerindeki etkilerini değerlendirmek için ise tek değişkenli ve çok değişkenli cox regresyon analizleri kullanıldı. Bulgular: MK'li 132 hastanın 32'sinde PTY görülürken 100 hastada rezidü tümör bulunmaktaydı. PTY tahmininde makine öğrenim modellerinde 18 radyomiks özellik ve 5 klinikopatolojik değişken rol aldı. Klinikopatolojik değişkenler arasında immünohistokimyasal alt tip ve Ki-67 değeri her üç makine öğrenme algoritması tarafından da seçilen ortak özellikler idi. Radyomiks özellik seçim yöntemi olarak ''recursive feature elimination'' (RFE) kullanıldığında ve radyomiks özelliklere klinikopatolojik veriler de dahil edilip özellik seçimi olarak ''select by filter'' (SBF) kullanıldığında RF modeli ile %87,2'lik en yüksek doğru sınıflama oranı elde edildi. Moleküler subtipler luminal grup ile nonluminal grup olarak iki alt sınıfa ayrıldığında nonluminal grupta mortalite riskinin 3.77 kat yüksek olduğu saptandı. Nonluminal alt grubun PTY oranı luminal gruba göre anlamlı daha yüksekti. NAK'ye PTY alınan 32 hastanın tamamı sağ olarak takip edilmekte olup hiçbirinde nüks gelişmedi. Sonuç: MK'li hastalarda NAK öncesi yapılan F-18 FDG PET/BT görüntülemelerinden elde edilen radyomiks özellikler ile klinikopatolojik veriler birleştirildiğinde makine öğrenim yöntemlerinin PTY'ı yüksek bir doğrulukla tahmin edebildiği görüldü. Böylece yeterince etkin olmayan NAK'nin erkenden tespit edilebilmesi ile NAK'nin toksisitesinden kaçınılması, maliyet yükünün önlenmesi ve diğer tedavi seçeneklerinin dikkate alınması açısından önemli bir klinik değer sağlayan güvenilir bir yöntem olarak kullanılabileceği kanısına varıldı.

Özet (Çeviri)

PREDICTIVE VALUE OF RADIOMICS ANALYSIS OF FLOR-18 FLURODEOXYGLUCOSE POSITRON EMISSION TOMOGRAPHY/COMPUTED TOMOGRAPHY IN RESPONSE TO NEOADJUVANT CHEMOTHERAPY IN BREAST CANCER PATIENTS ABSTRACT Aim: To determine the role of machine learning methods using radiomics features and clinicopathologic parameters obtained from PET/CT images in predicting pathological complete response (PCR) in breast cancer (BC) patients undergoing initial staging with fluorine-18 fluorodeoxyglucose positron emission tomography/computed tomography (F-18 FDG PET/CT). Materials and methods: A total of 132 BC patients who underwent pre-treatment F-18 FDG PET/CT imaging and neoadjuvant chemotherapy (NAC) between January 2017 and December 2021 were included in the study. In the LIFEx v7.4.0 application used for radiomics analysis, the primary malignant lesion in the breast was identified on the images of each patient and volumes of interest were created by semi-automatic segmentation method. From each segmented region of interest, 129 radiomics features were obtained and feature selection was performed. The selected features were statistically evaluated together with the patient's clinicopathologic data to create combined models. The data set was randomly divided into training and test groups in a 7:3 ratio. The training data sets were analyzed to determine the best radiomix feature sets with strong correlations with PCR and the sets consisting of radiomics and clinicopathologic parameters. The predictive power of three different machine learning methods, namely“Naive Bayes”(NB),“support vector machines”(SVM) and“random forest”(RF), for PCR after NAC was evaluated. Kaplan-Meier analysis and log-rank test were used to determine whether there was a statistically significant difference in overall survival between the groups. Univariate and multivariate cox regression analyses were used to evaluate the effects of clinicopathologic variables on overall survival. Results: PCR was observed in 32 of 132 patients with BC, while 100 patients had residual tumors. Machine learning models used 18 radiomics features and 5 clinicopathologic variables to predict PCR. Among the clinicopathologic variables, immunohistochemical subtype and Ki-67 value were the common features selected by all three machine learning algorithms. When ''recursive feature elimination'' (RFE) was used as the radiomics feature selection method and ''select by filter'' (SBF) was used for feature selection by including clinicopathologic data in the radiomics features, the highest correct classification rate of 87.2% was obtained with the RF model. When the molecular subtypes were divided into two subclasses as luminal group and nonluminal group, the mortality risk was 3.77 times higher in the nonluminal group. The PCR rate of the nonluminal subgroup was significantly higher than the luminal group. All 32 patients who underwent PCR to NAC were followed up alive and none of them developed recurrence. Conclusion: Combining radiomics features obtained from F-18 FDG PET/CT imaging before NAC with clinicopathologic data, machine learning methods were able to predict PCR with high accuracy in patients with BC. Thus, it was concluded that early detection of ineffective NAC can be used as a reliable method that provides significant clinical value in terms of avoiding the toxicity of NAC, preventing cost burden and considering other treatment options.

Benzer Tezler

  1. Tez No

    307272

    Erken evre meme kanserli hastalarda PET/BT nin rolünün değerlendirilmesi

    Evaluation of the role of PET/CT in patients with early stage breast cancer

    NESRİN AYDIN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2010

    Radyoloji ve Nükleer TıpUludağ Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    PROF. DR. A.TAYYAR AKPINAR

  2. Tez No

    707634

    GLUT1—XbaI G>T (rs2754218) ve HaeIII T>C (rs1385129) polimorfizmlerinin [18F]-FDG tutulum oranlarının üzerine etkisinin araştırılması

    Investigation of the effects of GLUT1—XbaI G>T (rs2754218) and HaeIII T>C (rs1385129) polymorphisms on [18F]-FDG uptake

    MELİH KISAARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BiyofizikPamukkale Üniversitesi

    Biyofizik Ana Bilim Dalı

    PROF. DR. AYLİN KÖSELER

  3. Tez No

    118058

    Sevfoluranın genotoksik etkisinin alkali halo ve alkali comet teknikleriyle meme kanserli hastalarda incelenmesi

    Determination of genotoxic effect of sevoflurane by alkaline halo and alkaline comet assays in breast cancer patients

    ELA ALHAYIROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Eczacılık ve FarmakolojiGazi Üniversitesi

    Farmasötik Toksikoloji Ana Bilim Dalı

    PROF.DR. SEMRA SARDAŞ

  4. Tez No

    80371

    Meme kanserli hastalarda (İnvaziv duktal karsinom tanılı) aksiller lenf nodu tutulumu ile C-ERB B2 onkogeni arasında ilişki var mı?

    Başlık çevirisi yok

    BÜLENT KARABULUT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1999

    Kadın Hastalıkları ve DoğumEge Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. SELAHATTİN SARAL

  5. Tez No

    88788

    Meme kanserli hastalarda tükrük salgısı ve serumda adenozin deaminaz (ADA) ve süperoksit dismutaz (SOD) düzeylerinin önemi

    Activities of salivary and serum adenosin deaminase (ADA) and superoxide dismutase (SOD) in breast cancer

    TARKAN KARAKAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2000

    OnkolojiGazi Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. NAZAN GÜNEL

Geri Dön