Orta ve Yüksek riskli prostat kanserlerinde preoperatif dönemde çekilen PSMA-PET radiomik değerleri paralelinde yapay zeka yardımlı olarak cerrahi sonrası biyokimyasal nüks öngörülebilir mi ?
Can postoperative biochemical recurrence be predictable using artificial intelligence based on radiomic features of PSMA PET/CT in intermediate and high-risk Prostate Cancers during the preoperative period?
- Tez No: 937136
- Danışmanlar: PROF. DR. CAVİT CEYLAN
- Tez Türü: Tıpta Uzmanlık
- Konular: Üroloji, Urology
- Anahtar Kelimeler: Prostat Kanseri, PSMA PET/BT, Biyokimyasal nüks, Makine Öğrenimi, Yapay Zeka, Radyomik, Prostate Cancer, PSMA PET/CT, Biochemical Recurrence, Machine Learning, Artificial Intelligence, Radiomics
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Bilkent Şehir Hastanesi
- Ana Bilim Dalı: Üroloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Amaç: Prostat kanseri dünya genelinde en yüksek insidansa sahip dördüncü kanserdir. Erkekler arasında ise akciğer kanserinden sonra ikinci en sık kanser olup kansere bağlı ölümlerin beşinci en sık sebebidir. Biyokimyasal nüks (BKN) meydana gelen vakalarda uzak metastaz ve kansere bağlı ölüm meydana gelebileceğinden definitif tedavi sonrası hastaların yakın takip edilmesi ve BKN riskinin öngörülebilmesi büyük önem taşımaktadır. Radyomik ise görüntüdeki insan gözüyle seçilemeyen birçok veriyi veri algoritmaları kullanılarak çeşitli modellemeler üzerinden nicel olarak yapılandırılmış bir görüntü işleme alanıdır. Bu çalışmada PSMA PET/BT görüntülerindeki radyomikler üzerinden yapay zekanın BKN'yi öngörmedeki rolü incelenmesi amaçlanmıştır. Gereç ve yöntem: Çalışmamıza 1 Mart 2019- 1 Ağustos 2023 tarihleri arasında kliniğimizce Radikal Prostatektomi operasyonu yapılan ve preoperatif PSMA PET/BT görüntülemesi olan hastalar dahil edildi. Hastalar postoperatif biyokimyasal nüks gelişen ve gelişmeyen hastalar olarak iki gruba ayrıldı. İki grup arasındaki PSMA PET/BT görüntüleri radyomik özellikleri yapay zeka aracılığıyla değerlendirilerek BKN'yi öngörmesi değerlendirildi. Bulgular: Çalışmamıza radikal prostatektomi olan ve preoperatif PSMA PET/BT görüntülemesi yapılmış olan 102 hasta dahil edildi. Hastaların 76'sı eğitim grubu 26'sı test grubu olarak ayrıldı. Hastaların yaş ortalaması 67.5 idi. Biyokimyasal nüks olan grubunu ortalama yaşı 67.4 ± 5.9 ve biyokimyasal nüks olmayan grubun ortalama yaşı 67.6 ± 6.8 idi. Tüm hastaların ortalama PSA değeri 12.4 idi. Biyokimyasal nüks olan grubun ortalama Psa değeri 14.0 ± 6.6 nüks olmayan grubun iste 11.2 ± 6.2 idi. Gruplar arasında PSA değerinde anlamlı fark izlendi. (P = 0.015) PSA dansitesinde ise biyokimyasal nüks olan grubun ortalama değeri 0.26 ± 0.13 iken biyokimyasal nüks olmayan grupta 0.23 ± 0.13 olup iki grup arasında istatistiksel olarak anlamlı fark izlenmedi.(P = 0.143) PYTHON yazılımı ile PyCarret kütüphanesinde 14 makine öğrenimi (MÖ) algoritmasının radyomikler üzerinden biyokimyasal nüksü tahmin etmedeki viii performansı değerlendirildi. En başarılı performansı LightGBM (Light Gradient Boosting Machine) modeli göstermiştir. (Accuracy: 0.69 Precision : 0.73 AUC 0.67 Recall 0.69 ve F1 skoru: 0.68) özellikle de biyokimyasal nüksü olmayan hastaları tahmin etmekteki performansının daha yüksek olduğu dikkat çekmiştir(Precision :0,65 Recall: 0,86 F1 skoru: 0,74). Sonuç: Çalışmamızdaki sonuçlara göre yapay zeka biyokimyasal nüksü olmayan hastaları saptamada biyokimyasal nüksü olan hastaları saptamaya kıyasla daha başarılı sonuç vermiştir. Daha fazla sayıda hasta üzerinden yapılacak prospektif çalışmaların yapılması daha kesin sonuçlar verecektir. Yapay zeka aracılığıyla biyokimyasal nüks riskinin saptanması postoperatif takipte kişiye özel takip protokolleri oluşturulması konusunda klinisyenlere yardımcı olacaktır.
Özet (Çeviri)
Purpose: Prostate cancer is the fourth most common cancer worldwide. Among men, it is the second most common cancer after lung cancer and the fifth leading cause of cancer-related deaths. In cases where biochemical recurrence (BCR) occurs, distant metastases and cancer-related mortality may develop; therefore, close follow- up of patients after definitive treatment and predicting the risk of BCR are of great importance. Radiomics, on the other hand, is a field of image processing that quantitatively structures numerous data points that are imperceptible to the human eye through various models using data algorithms. This study aims to investigate the role of Artificial Intelligence in predicting BCR through radiomics derived from PSMA PET/CT images. Material-Method: Patients who underwent Radical Prostatectomy in our clinic between March 1, 2019, and August 1, 2023, and had preoperative PSMA PET/CT imaging were included in our study. The patients were divided into two groups: those who developed postoperative biochemical recurrence and those who did not. The PSMA PET/CT radiomic features of the two groups were analyzed using artificial intelligence to evaluate the ability to predict BCR. Results: A total of 102 patients who underwent radical prostatectomy and had preoperative PSMA PET/CT imaging were included in our study. Of these, 76 were assigned to the training group, and 26 were assigned to the test group. The mean age of the patients was 67.5 years. The mean age of the group with biochemical recurrence was 67.4 ± 5.9, while the mean age of the group without recurrence was 67.6 ± 6.8. The overall mean PSA value for all patients was 12.4. The mean PSA value in the group with biochemical recurrence was 14.0 ± 6.6, whereas in the group without recurrence, it was 11.2 ± 6.2. A significant difference in PSA values was observed between the groups (P = 0.015). For PSA density, the mean value in the group with biochemical recurrence was 0.26 ± 0.13, while it was 0.23 ± 0.13 in the group without recurrence. No statistically significant difference was observed between the two groups (P = 0.143). x The performance of 14 machine learning (ML) algorithms in predicting biochemical recurrence based on radiomics was evaluated using the PyCaret library in Python. The LightGBM (Light Gradient Boosting Machine) model demonstrated the best performance (Accuracy: 0.69, Precision: 0.73, AUC: 0.67, Recall: 0.69, and F1 Score: 0.68). Notably, its performance in predicting patients without biochemical recurrence was particularly high (Precision: 0.65, Recall: 0.86, and F1 Score: 0.74). Conclusion: According to the results of our study, artificial intelligence showed greater success in identifying patients without biochemical recurrence compared to those with recurrence. Prospective studies with larger patient cohorts are needed to obtain more definitive results. Identifying the risk of biochemical recurrence using artificial intelligence can assist clinicians in developing personalized follow-up protocols for postoperative monitoring.
Benzer Tezler
- Kas invaziv olmayan orta ve yüksek riskli mesane kanserli hastalarda uzun süreli (En az 1 yıllık) intrakaviter BCG tedavisi ve mitomisin-C ile yapılan uzun süreli (En az 1 yıllık) termokemoterapinin nüks ve progresyon açısından karşılaştırılması
Comparison of BCG maintanence treatment (At least 1 year) with thermochemotherapy by using mitomycin-C (At least 1 year) in patient having mid and high risk non-muscle invasive bladder cancer
AKIN DEMİRLEĞEN
- Kronik periodontiti olan hastalarda kanser insidansının değerlendirilmesi
Evaluation of cancer incidence in patients with chronic periodontitis
ÖMER DİZDAR
Yüksek Lisans
Türkçe
2017
OnkolojiHacettepe ÜniversitesiPreventif Onkoloji Ana Bilim Dalı
PROF. DR. KADİR MUTLU HAYRAN
- Orta ve yüksek riskli prostat kanseri nedeniyle cerrahiuygulanan hastalarda GA-68 PSMA PET/BT ile elde edilenvolümetrik ve kantitatif parametrelerin kötüprognostik patolojik parametreler ve postoperatifbiyokimyasal rekürrensi öngörmedeki başarısınındeğerlendirilmesi
Evaluation of the success of volumetric and quantitative parameters obtained by GA-68 PSMA PET/CT in predicting poor prognostic pathological parameters and postoperative biochemical recurrence in patients undergoing surgery for intermediate- and high-risk prostate cancer
HÜSEYİN GÜLTEKİN
Tıpta Uzmanlık
Türkçe
2025
ÜrolojiSağlık Bilimleri ÜniversitesiÜroloji Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN BULUT
- Prostat kanserinde periprostatik adipoz doku ve subkutanöz yağlı doku kalınlığının tümör agressyonu ile ilişkisinin karşılaştırması
Comparison of the relationship between periprostatic adipose tissue and subcutaneous adipose tissue thickness with tumor aggression in prostate cancer
UMUT ARSLAN
Tıpta Uzmanlık
Türkçe
2025
ÜrolojiSağlık Bilimleri ÜniversitesiÜroloji Ana Bilim Dalı
DOÇ. DR. AYTAÇ ŞAHİN
- Radikal protatektomi sonrası orta ve yüksek riskli hasta grubunda prognastik faktörler ve hücre siklususnu düzenleyen proteinlerin (p53, ki67, bcl-2) biyokimyasal relapsi göstermedeki rolü
The role of prognastic factors and cell cycle regulatory proteins (p53, ki67, bcl-2) in biochemical relapse after radical prostatectomy (RP) in intermediate and high risk group
BARBAROS BAŞESKİOĞLU
Tıpta Uzmanlık
Türkçe
2005
ÜrolojiHacettepe ÜniversitesiÜroloji Ana Bilim Dalı
DOÇ.DR. DİLEK BAYDAR
PROF.DR. HALUK ÖZEN