Küçük hücreli dışı akciğer kanserlerinde PD-L1 ekspresyonunun bilgisayarlı tomografi doku analizi yöntemiyle öngörülmesi
Computed tomography texture analysis for prediction of PD-L1 expression in non small cell lung cancers
- Tez No: 976146
- Danışmanlar: PROF. DR. POLAT KOŞUCU
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Çalışmamız küçük hücreli dışı akciğer kanserlerinde arteriyel faz kontrastlı bilgisayarlı tomografi görüntüleri üzerinden elde edilen radyomiks özelliklerinin, tümörün PD-L1 ekpresyonunu pozitif/negatif ve güçlü/zayıf pozitif gruplar halinde öngörülebilirliğini değerlendirmeyi amaçlamaktadır. Gereç ve yöntem: Retrospektif ve tek merkezli olan çalışmamıza 2020 Ocak ile 2025 Şubat tarihleri arasında tedavi öncesi arteriyel faz kontrastlı bilgisayarlı tomografi görüntüsü bulunan, histopatolojik olarak küçük hücreli dışı akciğer kanseri tanısı alan ve PD-L1 ekpresyon düzeyi veritabanında bulunan 119 hasta dahil edilmiştir. Radyomiks analizi için LIFEx yazılımı ile bilgisayarlı tomografi görüntüleri üzerinden en geniş çaplı tümör seçilip yarı otomatik segmentasyon ve üç boyutlu ilgi alanı (3D ROI) ile kitleler her sekansta tek tek işaretlenmiştir. Her bir hasta için 28'i şekil, 41'i birinci dereceden, 58'i ikinci dereceden olmak üzere toplam 127 radyomiks elde edilmiştir. Radyomiks segmentasyon uyumu intraclass correlation analizi ile değerlendirilmiştir. Radyomiks verilerin istatistiksel analizinde iki bağımsız grup karşılaştırmalarında dağılım özelliklerine göre bağımsız örneklem T-Testi veya Mann-Whitney U Testi, kategorik değişkenlerin karşılaştırılmasında ise ki-kare testi kullanılmıştır. Tanısal performans değerlendirmelerinde ROC analizi gerçekleştirilmiş, en uygun kesim noktası Youden's J indeksi ile belirlenmiştir. ROC analizleri performans farkları DeLong testi ile karşılaştırılmıştır. PD-L1 gruplarını tahmin etmeye yönelik bir model oluşturmak amacıyla lojistik regresyon analizi uygulanmış ve sınıflandırma doğruluğu tespit edilmiştir. Modelin genel geçerliliği Omnibüs Testi ile değerlendirilmiş ve model uyumu Nagelkerke R Square değeriyle raporlanmıştır. Lojistik regresyon modelinin performansı ayrıca ROC analizi ile değerlendirilmiştir. Klinik kullanım kolaylığı amacıyla ayrıca karar ağacı analizi yapılmış ve sınıflandırma doğruluğu değerlendirilmiştir. Tüm istatistiksel analizlerde p<0,05 değeri istatistiksel olarak anlamlı kabul edilmiştir. Bulgular: Çalışmamız radyomiks modellerin PD-L1 ekspresyonunun pozitif veya negatif olduğunu tahmin etmede %74 (AUC:0.78), güçlü pozitif veya zayıf pozitif olduğunu tahmin etmede ise %68'e (AUC:0.744) varan doğruluk oranlarına ulaşabileceğini ortaya koymuştur. Sonuç: Çalışmamızda arteriyel faz kontrastlı toraks BT görüntülerinden elde edilen radyomiks özelliklerin küçük hücreli dışı akciğer kanseri hastalarında PD-L1 ekspresyonunu orta düzey doğrulukla non-invaziv olarak tahmin edebildiğini göstermiştir.
Özet (Çeviri)
Objective: This study aims to evaluate the predictability of PD-L1 expression status as positive or negative and strong or weak positive based on radiomic features obtained from arterial phase contrast-enhanced computed tomography images in non-small cell lung cancers. Materials and Method: This retrospective and single-center study included 119 patients who were diagnosed histopathologically with non-small cell lung cancer (NSCLC), had arterial phase contrast-enhanced computed tomography (CT) images prior to treatment between January 2020 and February 2025, and had PD-L1 expression levels available in the database. For radiomics analysis, the largest diameter tumor was selected on CT images using the LIFEx software, and masses were manually marked in each sequence with semi-automatic segmentation and three-dimensional region of interest (3D ROI). A total of 127 radiomic features were extracted for each patient, including 28 shape-based, 41 first-order, and 58 second-order features. Radiomics segmentation consistency was evaluated using intraclass correlation analysis. For statistical analysis of radiomic data, independent sample t-test or Mann–Whitney U test was used for comparison of two independent groups according to distribution characteristics, and chi-square test was used for comparison of categorical variables. For diagnostic performance evaluation, ROC analysis was performed, and the optimal cut off point was determined using Youden's J index. Differences in ROC analysis performance were compared using the DeLong test. Logistic regression analysis was applied to develop a model for predicting PD-L1 groups, and classification accuracy was determined. The overall validity of the model was evaluated with the Omnibus Test, and model fit was reported with the Nagelkerke R Square value. The performance of the logistic regression model was also assessed by ROC analysis. For ease of clinical use, decision tree analysis was also performed, and classification accuracy was evaluated. In all statistical analyses, a p-value of <0.05 was considered statistically significant. Results: Our study demonstrated that radiomics models can achieve accuracy rates up to 74% (AUC: 0.78) in predicting positive or negative PD-L1 expression, and up to 68% (AUC: 0.744) in predicting strong positive or weak positive expression. Conclusion: Our study demonstrated that radiomic features obtained from arterial phase contrast-enhanced thoracic CT images can non-invasively predict PD-L1 expression in NSCLC patients with moderate accuracy.
Benzer Tezler
- Küçük hücrelı̇ dışı akcı̇ğer kanserlerı̇nde PD-L1 ekspresyon derecesı̇ ve beyı̇n metastazının BT tabanlı texture analı̇zı̇ ı̇le öngörülmesı̇
Prediction of PD-L1 expression level and brain metastasis using CT-based texture analysis in non-small cell lung cancer
YASİN ÖZDEMİR
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. NAZAN ÇİLEDAĞ
PROF. DR. MUTLU DOĞAN
- Küçük hücreli dışı akciğer kanserlerinde PDL-1 pozitifliğinin ve ekspresyonunun ayırt edilmesine radiomiks ve makine öğrenmesinin katkısı
The contribution of radiomics and machine learnings to differentiation of PDL-1 pozitivity and expression in non small cell lung cancer
İSMAİL SERHAT MUSAOĞLU
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. FATMA SİBEL BAYRAMOĞLU
- Evre 3 küçük hücreli dışı akciğer kanserlerinde neoadjuvan kemoterapi/kemoradyoterapinin tümör dokusunda pd-l1 ve VISTA ekspresyon düzeyine etkisi
The effect of neoadjuvant chemotherapy / chemoradiotherapy on tumor tissue pd-l1 and VISTA expression level in stage 3 non-small cell lung cancers
ORHUN AKDOĞAN
Tıpta Uzmanlık
Türkçe
2021
İç HastalıklarıGazi Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. OZAN YAZICI
- KRAS mutant küçük hücreli dışı akciğer kanserinde PD-L1 ve HIF-1 αlfa ekspresyonunun klinikopatolojik parametrelerle korelasyonu
Correlation of PD-L1 and HIF-1α expression with clinicopathological parameters in KRAS-mutant non-small cell lung cancer
SEDA ER ÖZİLHAN
Tıpta Uzmanlık
Türkçe
2024
PatolojiSağlık Bilimleri ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
DOÇ. DR. HAYRİYE TATLI DOĞAN
- Timoma ve timik karsinom vakalarında PD-L1 ve SOX-2 ekspresyonunun klinikopatolojik bulgularla ilişkisi
The relationship of PD-L1 and SOX-2 expression with clinicopathological findings in case of thymoma and thymic carcinoma
HAKAN ÖZTÜRKÇÜ
Tıpta Uzmanlık
Türkçe
2023
PatolojiSağlık Bilimleri ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. AYLİN GÜL