Prostat kanseri hastalarında prostatektomi sonrası biyokimyasal rekürrensi tahmin etmeye yönelik bir makine öğretimi yaklaşımı
Machine learning-based prediction of biochemical recurrence after radical prostatectomy in prostate cancer patients
- Tez No: 970835
- Danışmanlar: PROF. DR. CEM YÜCEL, DR. YUSUF ARIKAN
- Tez Türü: Tıpta Uzmanlık
- Konular: Üroloji, Urology
- Anahtar Kelimeler: Prostat kanseri, radikal prostatektomi, biyokimyasal rekürrens, makine öğrenmesi, Prostate cancer, radical prostatectomy, biochemical recurrence, machine learning
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İzmir Tepecik Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Üroloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu tez çalışmasında, radikal prostatektomi uygulanan prostat kanseri hastalarında biyokimyasal rekürrens (BCR) gelişimini öngörmek amacıyla klasik istatistiksel yöntemler ve makine öğrenmesi algoritmalarının performansları karşılaştırılmıştır. Gereç ve Yöntem: Toplam 120 hastanın demografik, klinik ve patolojik verileri retrospektif olarak incelendi. Kaplan–Meier ve Cox regresyon analizleri klasik istatistiksel yöntemler olarak kullanıldı. Makine öğrenmesi algoritmaları arasında lojistik regresyon, Random Forest, SVM, Gradient Boosting ve Yapay Sinir Ağları uygulandı. Veri seti %70 eğitim, %30 test olarak ayrıldı, 5 katlı çapraz doğrulama yapıldı. Bulgular: Beş yıllık biyokimyasal rekürrenssiz sağkalım oranı %98,3 bulundu. SM ve ECE pozitifliği rekürrens riskini artırdı. ML modelleri arasında Gradient Boosting en yüksek performansı gösterdi (AUC 0.85, Accuracy 0.83, F1 0.81). Random Forest ve ANN modelleri de yüksek doğruluk sağladı. Klasik istatistiksel analizlerde istatistiksel olarak anlamlı bulunmayan bazı değişkenler, ML algoritmalarında güçlü prediktörler olarak öne çıktı. Sonuç: Makine öğrenmesi algoritmaları, prostatektomi sonrası biyokimyasal rekürrens tahmininde klasik istatistiksel yöntemlere kıyasla daha güçlü öngörü sağlamaktadır. ML'nin klinik karar destek sistemlerine entegre edilmesi, bireyselleştirilmiş hasta yönetimine katkı sunabilir.
Özet (Çeviri)
Aim: The aim of this thesis was to compare the predictive performance of classical statistical methods and machine learning (ML) algorithms in forecasting biochemical recurrence (BCR) after radical prostatectomy in prostate cancer patients. Methods: A total of 120 patients were retrospectively analyzed. Demographic, clinical, and pathological variables were included. Kaplan–Meier survival analysis and Cox regression were applied as classical methods. Logistic regression, Random Forest, SVM, Gradient Boosting, and Artificial Neural Networks were implemented as ML models. The dataset was split into 70% training and 30% testing, with 5-fold cross-validation performed. Results: The 5-year biochemical recurrence-free survival rate was 98.3%. SM and ECE positivity were associated with increased recurrence risk. Among ML models, Gradient Boosting achieved the highest performance (AUC 0.85, Accuracy 0.83, F1 0.81). Random Forest and ANN also showed strong predictive ability. Notably, some variables that were not statistically significant in Cox regression emerged as strong predictors in ML analyses. Conclusion: ML algorithms provided superior predictive value compared to classical statistical methods for BCR after radical prostatectomy. Incorporating ML into clinical decision support systems may enhance personalized patient management.
Benzer Tezler
- 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
- Prostat kanseri hastalarına uygulanan Perineoskopik Radikal Prostatektomi ve robot yardımlı Radikal Prostatektomi'nin onkolojik, fonksiyonel sonuçlarının ve komplikasyonlarının karşılaştırılması
A comparison of oncological, functional and complications outcomes of Perineoscopic Radical Prostatectomy and robot-assisted Radical Prostatectomy
YUSUF ARIKAN
Tıpta Uzmanlık
Türkçe
2021
ÜrolojiSağlık Bilimleri ÜniversitesiSağlık Bilimleri Ana Bilim Dalı
PROF. DR. ALİ İHSAN TAŞÇI
- Yüksek riskli prostat kanser tanılı hastalarda deneyimli cerrahlar tarafından yapılan robotik radikal prostatektomi sonrası operatif, Postoperatif, onkolojik, fonksiyonel parametreler ve komplikasyonların araştırılması
Investigation of operative, Pstoperative, oncological, functional parameters and complications after robotic radical prostatectomy by experienced surgeons in patients with high risk prostate cancer
AMJAD S.R. ALİJLA
Tıpta Uzmanlık
Türkçe
2019
ÜrolojiAnkara Yıldırım Beyazıt ÜniversitesiÜroloji Ana Bilim Dalı
PROF. DR. ARSLAN ARDIÇOĞLU
- Robotik ve açık perineal radikal prostatektomi'nin onkolojik ve fonksiyonel sonuçlarının karşılaştırılması
Comparison of oncological and functional results of robotic and open perineal radical prostatectomy
YUNUS ÇOLAKOĞLU
Tıpta Uzmanlık
Türkçe
2020
ÜrolojiSağlık Bilimleri ÜniversitesiÜroloji Ana Bilim Dalı
DOÇ. DR. ABDÜLMÜTALİP ŞİMŞEK
- Radikal prostatektomi ve/veya küratif radyoterapi sonrası biyokimyasal rekürren prostat kanserinde yeniden evrelemede GA⁶⁸-PSMA PET/BT'nin yeri
Başlık çevirisi yok
CEYDA NUR DÜNDAR ÇAĞLAYAN
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpAkdeniz ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. GONCA GÜL BURAL