Geri Dön

Küçük hücre dışı akciğer kanseri olgularında mediastinal lenf nodu metastazlarını saptamada makine öğrenmesi yöntemlerine dayalı yapısal analiz

Structural analysis based on machine learning methods for detecting mediastinal lymph node metastases in non-small cell lung cancer cases

PDF İndir

  1. Tez No: 996085
  2. Yazar: ABDULMELİK BATKİTAR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EMİNE ŞEBNEM DURMAZ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: KHDAK, mediastinal lenf nodu metastazı, stacking ensemble öğrenme, makine öğrenmesi, NSLC, mediastinal lymph node metastasis, stacking ensemble learning, machine learning
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Cerrahpaşa Tıp Fakültesi
  11. Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç: Çalışmamız küçük hücre dışı akciğer kanseri (KHDAK) hastalarında medastinal Lenf Nodu Metastazını (LNM) preoperatif tahminini hedefleyen retrospektif, tek merkezli bir araştırma olarak tasarlanmıştır. Çalışmanın birincil amacı, kontrastlı toraks bilgisayarlı tomografi (BT) görüntülerinden elde edilen radyomik özellikler ile Pozitron Emisyon Tomografi (PET-BT) ve klinik parametreleri birleştirerek makine öğrenmesi modellerinin LNM'nı saptamadaki rolünü araştırmaktır. Gereç ve Yöntem: Ocak 2020- Aralık 2024 tarihleri arasında primer KHDAK tanısı alan, hastanemizde kontrastlı toraks BT çekimi olan ve mediastinoskopi ile lenf nodu örneklemesi yapılan 155 hastaya ait görüntülemeler incelendi. 97 hastaya ait toplam 156 lenf nodu manuel olarak segmente edildi. Segmente edilen her lenf nodu bağımsız bir birim olarak ele alındı. Segmentasyon verilerine lenf nodu kısa çapı, maksimum standart tutulum değeri (SUV-max) ve klinik bilgiler eklenerek makine öğrenmesine dayalı yapısal analiz ve modellemeler oluşturuldu. Bu modellerin sensitivite, spesifite, negatif prediktif değerleri (NPV) ve eğri altında kalan alan (AUC) sonuçları değerlendirildi. Bulgular: Oluşturduğumuz modeller arasında radiomik özelliklerine ek olarak lenf nodu kısa aksı, SUV-max ve klinik veriler eklendiğinde modellerin performansı artmıştır. Radiomik ve 13 klinik veri (lenf nodu SUV-max, lenf nodu kısa aks, yaş, sigara ..) ile birleştirilmiş güncel bir teknik olan Stacking ensemble modeli (AUC: 0.894, Sensitivity: %94.1, NPV: %96) klinik karar desteği için yüksek potansiyel taşımakta ve mediastinal LNM'nı saptamada en yüksek performansı ortaya koymaktadır. Sonuç: Bu çalışma, KHDAK hastalarında mediastinal LNM'nı preoperatif tahmininde radyomik ve klinik bilgilerin entegre edilmesiyle yüksek doğrulukla mümkün olduğunu göstermiştir.

Özet (Çeviri)

Aim: The aim of our study was designed as a retrospective, single-center study aiming at preoperative prediction of medastinal lymph node metastasis (LNM) in non-small cell lung cancer (NSCLC) patients. The primary objective of the study was to develop machine learning models that predict mediastinal LNM with high accuracy by combining radiomic features obtained from contrast-enhanced thorax computed tomography (CT) images with clinical parameters. Materials and Methods: The images of 155 patients who were diagnosed with primary NSCLC, underwent contrast-enhanced thoracic CT scans, and underwent mediastinoscopy and lymph node sampling in our hospital between January 2020 and December 2024 were examined. 156 lymph nodes from 97 patients were manually segmented. Each segmented lymph node was treated as an independent unit. Machine learning-based structural analysis and modeling were created by adding lymph node short axis, maximum standardized uptake value (SUV-max) and clinical information to the segmentation data. The sensitivity, specificity, negative predictive values ​​(NPV) and area under the curve (AUC) results of these models were evaluated. Results: The performance of the models increased when lypmh node short axis, SUV-max and clinical data were added in addition to radiomics features. Stacking ensemble model (AUC: 0.894, Sensitivity: 94.1%, NPV: 96%), a current technique combined with radiomics and 13 clinical data ( lymph node SUV-max, lymph node short axis, age …), has high potential for clinical decision support and demonstrated the highest performance in detecting mediastinal LNM. Conclusion: This study demonstrated that preoperative prediction of mediastinal LNM in NSCLC patients is possible with high accuracy by integrating radiomics and clinical information.

Benzer Tezler

  1. Tez No

    236450

    Küçük hücreli dışı akciğer kanserinde bilgisayarlı toraks tomografisinin mediastinal lenf nodu metastazlarını saptamadaki etkinliği

    Effectiveness of thorax CT in detection of mediastinal lymph node metastasis at non-small cell lung carcinoma

    AHMET ERBEY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2009

    Göğüs Kalp ve Damar Cerrahisiİnönü Üniversitesi

    Göğüs Cerrahisi Ana Bilim Dalı

    DOÇ. DR. AKIN KUZUCU

  2. Tez No

    656192

    Endobronşiyal Ultrason Rehberliğinde Transbronşiyal İğne Aspirasyonu

    Endobronchial Ultrasound Guided Transbronchial Needle Aspiration

    SİNEM NEDİME SÖKÜCÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2007

    Göğüs HastalıklarıSağlık Bakanlığı

    Göğüs Hastalıkları ve Tüberküloz Ana Bilim Dalı

    PROF. DR. SEDAT ALTIN

  3. Tez No

    567406

    Küçük hücreli dışı akciğer kanserli olgularda mediastinal lenf nodu diseksiyonu ve sitotoksik T lenfosit inhibitör reseptör ilişkisi

    The effect of mediastinal lymph node dissection on inhibitory receptor expression of cytotoxic T lymphocyte in non-small cell lung cancer patients

    AYŞE ENGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Onkolojiİstanbul Üniversitesi

    İmmünoloji Ana Bilim Dalı

    PROF. DR. ESİN ÇETİN

  4. Tez No

    880748

    N2 hastalık nedeniyle neoadjuvan tedavi alan küçük hücreli dışı akciğer kanserli hastalarda yeniden evrelendirme yöntemlerinin karşılaştırılması

    Comparison of restaging methods in patients with non-small cell lung cancer receiving neoadjuvant therapy for N2 disease

    ECE YASEMİN DEMİRKOL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Göğüs CerrahisiSağlık Bilimleri Üniversitesi

    Göğüs Cerrahisi Ana Bilim Dalı

    DOÇ. DR. VOLKAN ERDOĞU

  5. Tez No

    995105

    Opere akciğer kanseri hastalarında hiler lenfadenopati pozitifliğinin prognoza etkisi

    The impact of hilar lymphadenopathy positivity on prognosis in surgically operated lung cancer patients

    MEHMET EMİN ERĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Göğüs CerrahisiGaziantep Üniversitesi

    Göğüs Cerrahisi Ana Bilim Dalı

    PROF. DR. MARUF ŞANLI

Geri Dön