Lokal ileri rektum kanseri hastalarında bilgisayarlı tomografi tabanlı öğrenme metodu ile metastaz riskinin yapay zeka destekli belirlenmesi
Başlık çevirisi mevcut değil.
- Tez No: 941359
- Danışmanlar: DOÇ. DR. FATMA SERT
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyasyon Onkolojisi, Radiation Oncology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyasyon Onkolojisi Ana Bilim Dalı
- Bilim Dalı: Radyasyon Onkolojisi Bilim Dalı
- Sayfa Sayısı: 104
Özet
Giriş: Kolorektal kanserler dünyada en sık görülen 4. kanserdir. Neoadjuvan kemoradyoterapi (KRT), tümör boyutunu küçülterek lokal kontrolü arttırır ve cerrahi morbiditeyi azaltır. Son yıllarda derin öğrenme ve benzeri yapay zekâ (YZ) yaklaşımları, klinik ve patolojik değişkenleri bir arada değerlendirerek daha isabetli öngörüler sunma potansiyeli ile dikkat çekmektedir. Bu çalışma, lokal ileri rektum kanserinde neoadjuvan KRT sonrasında yapay zeka modelleri ile hastalığın metastaz yapma ve yapmama riskini tanımlamaktadır. Bu sayede sistemik hastalık riski yüksek olgularda tedavi kararına yardımcı olmaktır. Amaç: Bu çalışmanın birincil amacı, lokal ileri rektum kanserli hastalarda neoadjuvan KRT'yi takiben metastaz öngörüsünü değerlendirmek üzere geliştirilen iki derin öğrenme modelinden (Sigmoid tabanlı ve ReLU tabanlı) yararlanılarak sistemik hastalık riskini öngörmektir. İkincil amaç ise retrospektif olarak bağımlı ve bağımsız prognostik faktörlerin değerlendirilmesidir. Yöntemler: Tek merkezde retrospektif tasarımla yürütülen bu araştırmaya, klinik evresi T3–T4 veya nod-pozitif rektum kanseri tanısı konan ve neoadjuvan KRT sonrasında cerrahi rezeksiyon uygulanan hastalar dâhil edilmiştir. Hastalara ait klinik, radyolojik ve patolojik veriler (PNI ve pCR dâhil) kaydedilmiştir. Sigmoid aktivasyon fonksiyonuna sahip bir derin öğrenme ağı ile ReLU tabanlı bir model, metastaz riski öngörüsü için eğitilmiştir. Alıcı İşletim Karakteristiği (ROC) analizi ile modellerin performansı değerlendirildikten sonra en iyi kesim noktası Youden indeksiyle belirlenmiş, duyarlılık, özgüllük ve doğruluk oranları hesaplanmıştır. İstatistiksel anlamlılık düzeyi p
Özet (Çeviri)
Introduction: Colorectal cancer is the fourth most common cancer worldwide. Neoadjuvant chemoradiotherapy (CRT) enhances local control by reducing tumor size and decreases surgical morbidity. In recent years, deep learning and similar artificial intelligence (AI) approaches have gained attention for their potential to provide more accurate predictions by evaluating clinical and pathological variables together. This study aims to identify the risk of metastasis in locally advanced rectal cancer patients following neoadjuvant CRT using AI models, thereby assisting in treatment decisions for cases with a high risk of systemic disease. Objective: The primary objective of this study is to predict the risk of systemic disease using two deep learning models (Sigmoid-based and ReLU-based) developed to assess metastasis prediction in patients with locally advanced rectal cancer following neoadjuvant CRT. The secondary objective is to retrospectively evaluate dependent and independent prognostic factors. Methods: This retrospective, single-center study included patients diagnosed with T3–T4 or node-positive rectal cancer who underwent surgical resection following neoadjuvant CRT. Clinical, radiological, and pathological data (including PNI and pCR) were recorded. A deep learning network with a Sigmoid activation function and a ReLU-based model were trained to predict the risk of metastasis. The performance of the models was evaluated using Receiver Operating Characteristic (ROC) analysis, and the optimal cutoff point was determined using the Youden index. Sensitivity, specificity, and accuracy rates were calculated, with statistical significance set at p
Benzer Tezler
- Lokal ileri evre rektum karsinomlu hastalarda neoadjuvan tedaviye lokal yanıtın vücut kompozisyonları ile ilişkisinin değerlendirimi
Evaluation of the relationship between body composition and local response to neoadjuvant therapy in patients with locally advanced rectal carcinoma
MUHAMMED GÜNDOĞDU
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpEskişehir Osmangazi ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. ELİF GÜNDOĞDU
- Modeling of magnetic nanoparticle concentration from CT images for cancer therapy using hyperthermia
Hipertermi ile kanser tedavisi için manyetik nanoparçacıkların konsantrasyonlarının bilgisayarlı tomografi kullanılarak modellenmesi
RASTIN ALABAF
Yüksek Lisans
İngilizce
2018
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Distal rektum kanserlerinin cerrahi tedavisinde ultra low anterior rezeksiyon ve kolonik poş uygulamaları (Prospektif klinik çalışma)
Ultralow anterior resection and colonic pouch applications in surgical treatment of the distal rectum carcinoma
NEVİN SAKOĞLU
Tıpta Uzmanlık
Türkçe
2002
Genel Cerrahiİstanbul ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. MUSTAFA TAŞKIN
- Rektum karsinomlarında preoperatif manyetik rezonans görüntülemedeki bulgular ile postoperatif histopatoloji sonuçlarının karşılaştırılması
Comparison of findings in preoperative magnetic resonance imaging and postoperative histopathological results in rectal carcinomas
PELİN KAYA
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpSağlık BakanlığıRadyoloji Ana Bilim Dalı
DOÇ. DR. SERRA ÖZBAL
- Lokal ileri rektum kanserli hastalarda diyabetin neoadjuvan tedavi yanıtına etkisi
Diabetes mellitus affects response to neoadjuvant chemoradioterapy in the management of locally advanced rectal cancer
MEHMET CAN YAKUT
Tıpta Uzmanlık
Türkçe
2011
Genel CerrahiDokuz Eylül ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. MUSTAFA CEM TERZİ