Mesane kanseri tur materyallerinin histopatolojik değerlendirmesinde yapay zekanın rutine katkısı
The role of artificial intelligence in the workflow of histopathological evaluation of bladder cancer in transurethral resection specimens
- Tez No: 967642
- Danışmanlar: PROF. DR. MESUDE YASEMİN ÖZLÜK
- Tez Türü: Tıpta Uzmanlık
- Konular: Patoloji, Pathology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Patoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 113
Özet
Amaç Mesane kanseri, dünya genelinde en sık görülen üriner sistem tümörüdür. En yaygın tipi olan ürotelyal karsinomun klinik yönetimi, tümörün detrusor kas dokusuna invazyon gösterip göstermemesine göre belirlenmektedir. Detrusor invazyonu olmayan olgular sıklıkla transüretral rezeksiyon ve intravezikal tedavi ile yönetilirken, invazyon varlığında kas invaziv mesane kanseri tanısı konmakta ve radikal sistektomi ile sistemik kemoterapi temel tedavi yaklaşımı olmaktadır. Bu nedenle patoloji raporlarında detrusor kas varlığı ve invazyonunun doğru değerlendirilmesi kritik öneme sahiptir. Transüretral rezeksiyon materyalleri çoğu zaman çok parçalı, artefakt içeren ve oryantasyon zorlukları barındıran örneklerdir. Bu durum hem tanı koyma sürecini zorlaştırmakta hem de patologlar arası uyumu azaltmaktadır. Özellikle deneyimsiz patologlar için tanı koyma süreci daha da güçleşmektedir. Yapay zekâ (YZ) teknolojilerinin bu zorlukları azaltarak tanısal doğruluğu ve rapor standardizasyonunu artırabileceği öngörülmektedir. Bu çalışmada, HALO AI kullanılarak geliştirilen iki farklı YZ algoritmasının (Kas Algoritması [KA] ve İnvazyon Algoritması [İA]) performansı değerlendirilmiş ve algoritmaların patologlara katkısı araştırılmıştır. Yöntem Çalışmada, 28 adet dijital WSI (tüm slayt görüntüsü) içeren bir eğitim seti kullanılarak HALO AI'nin MiniNet mimarisi ile KA ve İA adlı iki algoritma geliştirildi. KA, detrusor kas dokusunun varlığını saptamaya yönelik; İA ise detrusora tümör invazyonunu belirlemeye yönelik olarak eğitildi. Algoritmalar 27 olguluk test setinde değerlendirildi. Ayrıca algoritmaların rutin pratiğe olası katkısını değerlendirmek amacıyla, farklı deneyim seviyelerinde dört patoloğa 24 olguluk bir sınav seti sunularak hem YZ destekli hem de YZ desteksiz tanı koymaları istendi. Tanısal doğruluk, duyarlılık, özgüllük, tanı koyma süreleri ve algoritmalar ile histopatolojik parametreler arasındaki ilişkiler istatistiksel olarak analiz edildi. Bulgular Her iki algoritmanın duyarlılığı %100 olarak bulunmuştur. KA, %96,3 doğruluk ve %83,3 özgüllük ile yüksek performans göstermiştir. F1 skoru %97,7 olarak hesaplanmıştır. Buna karşın İA, %58,3 doğruluk, %33,3 özgüllük ve %64,3 F1 skoru ile daha düşük bir başarı göstermiştir. KA'nın sonuçları ile dokudaki desmoplazi varlığı arasında güçlü ve anlamlı bir korelasyon (r = 0,624; p = 0,01) saptanmıştır. Bu durum, algoritmanın işaretleme mantığının kısmen anlaşılabilir olduğunu göstermektedir. Diğer histopatolojik parametrelerle anlamlı ilişki gözlenmemiştir. İA ise detrusor içeriği yüksek, tümör ve fibrovasküler kor oranı düşük, muskülaris mukoza ve kanama içeren alanları daha fazla invazyon yönünde işaretleme eğilimindedir. Algoritmanın işaretleme oranı ile gerçek T2 alan yüzdesi arasında ilişki saptanmazken işaretlenen alanların ne kadarının gerçek T2 olduğu ile işaretleme yüzdesi arasında anlamlı pozitif korelasyon bulunmuştur (r = 0,768; p < 0,001). Sınav setinde yapılan değerlendirmede, dört gözlemciden üçünde YZ destekli tanı süresinin istatistiksel olarak anlamlı şekilde uzadığı gözlemlenmiştir. Kalan bir gözlemcide de sayısal olarak süre artışı saptanmıştır. Bu bulgu, literatürde yer alan ve YZ entegrasyonunun ilk etapta tanı süresini uzattığını ancak zamanla azalabileceğini öne süren çalışmalarla uyumludur. En az deneyime sahip gözlemcinin YZ destekli tanıda en yüksek doğruluğa ulaşması (%87), bu sistemlerin özellikle acemi patologlar için destekleyici olabileceğini düşündürmektedir. Sonuç Çalışmamız YZ'nin özellikle detrusor kası varlığını saptamada başarılı sonuçlar verebileceğini göstermektedir. Rutin pratiğe bu algoritmaların entegre edilmesi, patoloji raporlarında unutulma ve insani hatalara bağlı eksiklikleri azaltarak rapor kalitesini artırabilir. Ancak invazyon saptamaya yönelik algoritmaların güvenilirliği sınırlı kalmakta, morfolojik çeşitlilik ve“kara kutu”sorunu patologlar arasında şüphe yaratmaktadır. Bu sebeple, algoritmaların hem eğitim setleri açısından çeşitlendirilmesi hem de açıklanabilirlik açısından geliştirilmesi gerekmektedir. Son olarak, bu çalışmada HALO AI platformu kullanılarak geliştirilen algoritmalar, yalnızca patologlar tarafından eğitilmiş ve 24 saatten kısa sürede tamamlanmıştır. Yazarların önceden yapay zekâ deneyimi olmaması, bu teknolojinin kullanım kolaylığını vurgulamaktadır. Ülkemizde, mesane kanserine yönelik yapay zekâ uygulamaları üzerine bildiğimiz kadarıyla yapılmış ilk çalışma olması açısından da önemli bir katkı sunmaktadır.
Özet (Çeviri)
Objective Bladder cancer is the most common urinary system tumor worldwide. The clinical management of urothelial carcinoma, its most prevalent type, is determined by whether the tumor shows invasion into the detrusor muscle tissue. Cases without detrusor invasion are often managed with transurethral resection and intravesical therapy, while the presence of invasion leads to a diagnosis of muscle-invasive bladder cancer, with radical cystectomy and systemic chemotherapy becoming the primary treatment approach. Therefore, accurate assessment of detrusor muscle presence and invasion in pathology reports is of critical importance. Transurethral resection materials are often multi-fragmented samples containing artifacts and orientation difficulties. This situation both complicates the diagnostic process and reduces inter-pathologist agreement. The diagnostic process becomes even more challenging, especially for inexperienced pathologists. It is anticipated that artificial intelligence (AI) technologies could reduce these challenges and improve diagnostic accuracy and report standardization. In this study, the performance of two different AI algorithms (Muscle Algorithm [KA] and Invasion Algorithm [IA]) developed using HALO AI was evaluated, and the contribution of these algorithms to pathologists was investigated. Method In this study, two algorithms named KA and IA were developed using HALO AI's MiniNet architecture with a training set containing 28 digital WSI (whole slide images). MA was trained to detect the presence of detrusor muscle tissue; IA was trained to determine tumor invasion into the detrusor. The algorithms were evaluated on a test set of 27 cases. Additionally, to assess the potential contribution of algorithms to routine practice, four pathologists with different experience levels were presented with an exam set of 24 cases and asked to make diagnoses both with and without AI support. Diagnostic accuracy, sensitivity, specificity, diagnostic times, and relationships between algorithms and histopathological parameters were statistically analyzed. Results The sensitivity of both algorithms was found to be 100%. KA showed high performance with 96.3% accuracy and 83.3% specificity. The F1 score was calculated as 97.7%. In contrast, IA showed lower success with 58.3% accuracy, 33.3% specificity, and 64.3% F1 score. A strong and significant correlation (r = 0.624; p = 0.01) was found between KA's results and the presence of desmoplasia in the tissue. This indicates that the algorithm's marking logic is partially comprehensible. No significant relationships were observed with other histopathological parameters. IA tends to mark areas with high detrusor content, low tumor and fibrovascular core ratios, and containing muscularis mucosae and bleeding more towards invasion. While no relationship was found between the algorithm's marking rate and actual T2 area percentage, a significant positive correlation was found between the marking percentage and how much of the marked areas were actually T2 (r = 0.768; p < 0.001). In the exam set evaluation, three of the four observers showed statistically significant prolongation of AI-assisted diagnostic time. The remaining observer also showed a numerical increase in time. This finding is consistent with studies in the literature suggesting that AI integration initially prolongs diagnostic time but may decrease over time. The least experienced observer achieving the highest accuracy in AI-assisted diagnosis (87%) suggests that these systems could be particularly supportive for novice pathologists. Conclusion Our study demonstrates that AI can provide successful results, particularly in detecting the presence of detrusor muscle. Integration of these algorithms into routine practice could improve report quality by reducing omissions and human errors in pathology reports. However, the reliability of algorithms for invasion detection remains limited, and morphological diversity and the“black box”problem create suspicion among pathologists. Therefore, algorithms need to be diversified in terms of training sets and developed in terms of explainability. Finally, the algorithms developed using the HALO AI platform in this study were trained only by pathologists and completed in less than 24 hours. The authors' lack of prior artificial intelligence experience highlights the ease of use of this technology. It also makes an important contribution as the first study we are aware of on artificial intelligence applications for bladder cancer in our country.
Benzer Tezler
- Kasa invaze olmayan mesane kanserinde CD47 ve CD163 ekspresyonlarının intravezikal bacillus calmette-guérin tedavisinin etkinliği üzerine etkisi
The impact of CD47 and CS163 expressions on the efficacy of intravesical bacillus calmette-guerin therapy in non-muscle invasive bladder cancer
YİĞİT ÇAĞRI KIZILÇAY
Tıpta Uzmanlık
Türkçe
2024
ÜrolojiBalıkesir ÜniversitesiÜroloji Ana Bilim Dalı
DOÇ. DR. ÇAĞDAŞ ŞENEL
DOÇ. DR. AHMET HİKMET ŞAHİN
- Radikal sistektomi öncesi prostatik üretra tur biyopsileri ve intraoperatif frozen biyopsilerin diversiyon yöntemi seçimindeki değeri ve üretral rekürrens
The value of prostatic urethral TUR biopsies taken before radical cyctectomy and intraoperative frozen biopsy samples and urethral recurrence
ÖZCAN KILIÇ
- Kliniğimizde transüretral rezeksiyon materyallerinde saptanan mikropapiller ürotelyal karsinomun histopatolojik ve klinik özellikleri
Histopathological and clinical features of micropapillary urothelial carcinoma detected in transurethral resection materials in our clinic
EZGİ HACIHASANOĞLU
Tıpta Uzmanlık
Türkçe
2017
PatolojiSağlık Bilimleri ÜniversitesiPatoloji Ana Bilim Dalı
DOÇ. DR. EROL RÜŞTÜ BOZKURT
- Enerji metabolizmasının düzenlenmesinde rol oynayan genlerin mesanenin papiller ürotelyal karsinomlarındaki yeri
The role of genes involved in the regulation of energy metabolism in papillary urothelial carcinoma of the bladder
BUSE BAYAZIT GÖZÜKÜÇÜK
Tıpta Uzmanlık
Türkçe
2024
PatolojiSağlık Bilimleri ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
DOÇ. DR. TUBA DİLAY KÖKENEK ÜNAL
- 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