Meme kanserinde tümör infiltre lenfosit skorunun yapay zeka analiziyle tespiti ve patologlar ile uyumunun belirlenmesi
Detection of tumor-infiltrating lymphocyte score in breast cancer using artificial intelligence analysis and assessment of concordance with pathologists
- Tez No: 969363
- Danışmanlar: PROF. DR. FÜGEN AKER
- Tez Türü: Tıpta Uzmanlık
- Konular: Patoloji, Pathology
- Anahtar Kelimeler: Dijital Patoloji, Gözlemciler arası uyum, Meme kanseri, Tümör infiltre lenfositler, Yapay zekâ, Digital Pathology, Interobserver agreement, Breast cancer, Tumorinfiltrating lymphocytes, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Haydarpaşa Numune Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Tıbbi Patoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Meme kanserinde tümör infiltre lenfositler (TIL), tümör mikroçevresindeki bağışıklık yanıtını yansıtan en önemli göstergelerden biridir. Özellikle üçlü negatif ve Human epidermal growth factor receptor-2 (HER2) pozitif alt tiplerde hem prognostik hem de tedaviye yanıtı öngörmede önemli rol oynar. Ancak TIL skorlamasında patologlar arasında belirgin farklılıklar görülebilmekte, bu da ölçümlerin klinik güvenilirliğini sınırlamaktadır. Bu çalışmada amacımız, yapay zekâ (YZ) modelleri ile patologlar arasındaki TIL skorlamalarının ne kadar uyumlu olduğunu ortaya koymak ve farklı istatistiksel yöntemler aracılığıyla bu uyumu karşılaştırarak YZ'nin patoloji pratiğine entegrasyon potansiyelini değerlendirmektir. Gereç ve Yöntem: SBÜ Haydarpaşa EAH Patoloji Kliniğinde 2022-2024 yılları arasında tanı alan meme karsinomu olguları çalışmaya dahil edildi. Olgulara ait lamlar dijitalize edilerek işaretlendi. Patologlarca işaretlenen tümör bölgeleri, üç patolog ve iki YZ modeli tarafından stromal TIL yüzdesi ve tümör oranı üzerinden değerlendirildi. Elde edilen skorlar arasında patologlar arası, patolog–YZ ve YZ–YZ uyumu karşılaştırıldı. Analizlerde intraclass correlation coefficient (ICC), kappa testleri, korelasyon ve Bland–Altman yöntemleri kullanıldı; ayrıca farklı eşik değerlerine göre kategorik uyum incelendi. Bulgular: Patologlar arasındaki global uyum iyi düzeyde olup ICC değeri 0.81 olarak saptandı. Patologlar ve YZ modelleri arası global uyumda ICC değeri 0.41 olarak izlendi. Patolog–YZ ikililerinde uyum oldukça düşük saptandı (ICC 0.12–0.21), ancak üç patolog ile bir YZ modelinin birlikte değerlendirildiğinde uyum 0.53 seviyesine yükseldi. Kategorik analizlerde en yüksek uyum, TIL skorlarının ≤%10 ve >%10 olarak ikili sınıflandırıldığı durumda elde edilmiş olup çok kategorili sınıflamalarda ise kappa katsayılarında bir düşüş gözlendi. Patolog–YZ karşılaştırmalarında Spearman korelasyon katsayıları orta-iyi düzeyde bulunurken (ρ=0.48–0.81), iki YZ modeli arasındaki uyum ise orta düzeyde (ICC 0.64) hesaplandı. Sonuç: Çalışmamız YZ modellerinin TIL skorlamasında patologlarla belirli bir korelasyon gösterebildiğini ancak mutlak uyum açısından yetersiz kaldığını ortaya koydu. Özellikle yüksek TIL skorlarında, YZ ile patolog değerlendirmeleri arasındaki farklılıkların arttığı gözlendi. Bu bulgular, YZ tabanlı TIL skorlamasının klinik uygulamaya girebilmesi için daha büyük ve çeşitli veri setleriyle eğitilmiş, standardize edilmiş algoritmalara ihtiyaç olduğunu gösterdi.
Özet (Çeviri)
Objective: Tumor-infiltrating lymphocytes (TILs) in breast cancer are one of the most important indicators of the immune response within the tumor microenvironment. They play a particularly significant prognostic and predictive role in triple-negative and HER2-positive subtypes. However, substantial inter-observer variability has been reported in TIL scoring among pathologists, which limits its reliability in clinical practice. The aim of this study was to evaluate the agreement between artificial intelligence (AI) models and pathologists in TIL scoring and to compare this agreement using different statistical approaches, thereby assessing the potential of AI integration into pathology practice. Materials and Methods: Breast carcinoma cases diagnosed between 2022 and 2024 at the SBÜ Haydarpaşa Training and Research Hospital Pathology Clinic were included in the study. The slides belonging to the cases were digitized and annotated. Tumor regions annotated by pathologists were evaluated for stromal TIL percentage and tumor ratio by three pathologists and two AI models. Agreement was assessed among pathologists, between pathologists and AI, and between AI models. Statistical analyses included intraclass correlation coefficient (ICC), Cohen's and Fleiss' kappa, correlation tests, and Bland–Altman analysis. In addition, categorical agreement was examined using different cut-off values. Results: The overall inter-pathologist agreement was good, with an ICC of 0.81. The ICC value for global agreement between pathologists and AI models was observed as 0.41. Agreement between pathologist–AI pairs was considerably lower (ICC 0.12–0.21), but improved to 0.53 when three pathologists were analyzed together with a single AI model. The highest categorical agreement was observed when TIL scores were dichotomized (≤10% vs. >10%), while multi-category classifications resulted in a decline in kappa values. Spearman correlation coefficients in pathologist– AI comparisons ranged from moderate to good (ρ=0.48–0.81). Agreement between the two AI models was moderate (ICC 0.64). Conclusion: This study demonstrated that AI models were able to show a certain degree of correlation with pathologists in TIL scoring but remained insufficient in terms of absolute agreement. Differences were more pronounced at higher TIL scores. These findings highlight the need for standardized algorithms trained on larger and more diverse datasets before AI-based TIL scoring can be reliably implemented in clinical practice.
Benzer Tezler
- Lokal ileri meme kanserli hastalarda neoadjuvan kemoterapi sonrası tümör-infiltre eden lenfosit (TIL) ve androjen reseptör (AR) ekspresyonlarındaki değişim ve rezidü tümör varlığı arasındaki ilişki
The relationship between the change in the tumor-infilteringlymphocyte (tiltıl of residential tumor after neoadjuvanchemoteraphy in patients with local advanced breast cancer
VEDAT BUĞRA EROL
Tıpta Uzmanlık
Türkçe
2021
İç Hastalıklarıİstanbul Medipol Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. AHMET BİLİCİ
- Üçlü negatif meme kanserinde folat reseptör alfa ekspresyonu ile M2-benzeri tümör asosiye makrofaj ilişkisi
Association between folate receptor alpha expression and M2-like tumor-associated macrophages in triple-negative breast cancer
ÖMER SERTAÇ İLASLAN
Tıpta Uzmanlık
Türkçe
2026
Patolojiİstanbul Medeniyet ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUÇE SÖYLEMEZ AKKURT
- Meme kanserlerinde tümör mikroçevresi ile prognostik parametreler arasındaki ilişkinin CD47, B7-H3 ekspresyonları ve mast hücre yoğunluğu üzerinden immunhistokimyasal olarak değerlendirilmesi
Immunohistochemical evaluation of the relationship between tumor microenvironment and prognostic parameters in breast cancer through CD47, B7-H3 expression and mast cell density
SEDANUR AYDIN
Tıpta Uzmanlık
Türkçe
2025
PatolojiSivas Cumhuriyet ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN OĞUZ YÜCEER
- Agresif seyirli luminal a alt tip meme kanserlerinde PTEN ve P53'ün prognostik önemi
Prognostic importance of PTEN and P53 in aggressive luminal a subtype breast cancers
ÖYKÜ DİLA GEMCİ
Tıpta Uzmanlık
Türkçe
2023
PatolojiSağlık Bilimleri ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. SERDAR ALTINAY
- Meme kanseri tanılı neoadjuvan kemoterapi tedavisi alan olguların klinik, patolojik ve radyolojik özelliklerinin retrospektif olarak değerlendirilmesi
Retrospective evaluation of clinical, pathologic and radiologic characteristics of breast cancer patients receiving neoadjuvant treatment
BERİL TAŞKESEN
Tıpta Uzmanlık
Türkçe
2024
İç HastalıklarıHacettepe Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. NEYRAN KERTMEN