Akademik Veri Yönetim Sistemi
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Çanakkale Onsekiz Mart Üniversitesi, Tıp Fakültesi, Dahili Tıp Bilimleri, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: BÜŞRA AYDUR PÜREN
Danışman: Semra Özdemir
Özet:
Amaç: Bu çalışmadaki amacımız meme kanseri hastalarının Flor-18
Florodeoksiglukoz (F-18 FDG) Pozitron Emisyon Tomografi/ Bilgisayarlı Tomografi
(PET/BT) görüntülerinden çıkarılacak olan radyomik özelliklerinin meme
kanserinin moleküler subtiplerini belirlemede kullanılan ER, PR, Ki-67 ve HER-2
gibi moleküler belirteçleri öngörmedeki yerini incelemektir.
Metod: Histopatolojik
olarak meme kanseri tanısı alan ve ER, PR, Ki-67, HER-2 gibi moleküler
belirteçleri çalışılmış olan, görüntüleme öncesi lokal/sistemik tedavi almamış,
eksizyonel biyopsi yapılmamış 162 hastanın F-18 FDG PET/BT görüntülerinden
LIFEx programı ile radyomik verileri elde edilmiştir. Her bir moleküler
belirtecin radyomik veriler ile ilişkisinin incelenmesinde Phyton programı ile
makine öğrenmesi modelleri çalışılmıştır. Veriler %20 test, %80 eğitim verisi
olarak bölünmüştür. Ayrıca radyomik verileri arasından SFS yöntemi ile en anlamlı
özellikler seçilmiş ve bu özelliklere ölçeklendirme işlemi yapılmıştır. Daha
sonra Random Forest, Support
Vector Machine, XGBoost, Logistic Regression, Naive Bayes olmak üzere 5
farklı makine öğrenmesi modeli kurulmuş ve bu modellerin model performans
metrikleri incelenmiştir. Accuracy ve diğer performans metrikleri beraber
değerlendirilerek performansı en yüksek modelin confusion matrix tablosu
çıkartılmış, modelin sensitivite ve spesifite değerleri hesaplanmıştır. Ayrıca
her modelin ROC eğrisi çizilmiş ve AUC değerleri hesaplanmıştır.
Bulgular:
HER-2
moleküler belirtecini öngörmede radyomik verileri ile kurulan modelin accuracy
değeri 0,82, AUC 0,76, sensitivite
%62,5, spesifite %90,0 bulunmuştur. Literatürde sınırlı sayıda yapılmış
çalışmaların çoğundan daha yüksek sonuçlar elde edilmiştir. ER öngörmede kurulan modelin accuracy değeri
0,91, AUC 0,59, sensitivite %96,6, spesifite %33,3 bulunmuştur. ER negatif
hasta sayısının az olmasından dolayı değerlerin gerçeği yansıtmayabileceği
düşünülmüştür. PR öngörmede kurulan modelin accuracy değeri 0,69, AUC 0,55,
sensitivite %81,8, spesifite %40,0 bulunmuş olup radyomik verileri ile arasında
anlamlı bir ilişki saptanmamıştır. Ki-67 öngörmede kurulan modelin accuracy
değeri 0,60, AUC 0,60, sensitivite %68,4, spesifite %55,2 bulunmuş olup
radyomik verileri ile arasında anlamlı bir ilişki saptanmamıştır.
Sonuç:
HER-2
ekspresyonunun öngörülmesinde PET radyomikleri ile oluşturulan modelin geçerli
bir performans gösterdiği bulunmuştur. Özellikle HER-2
ekspresyonu negatifliğinin PET radyomik özelliklerinden saptanmasında başarılı
bir sonuç elde edilmiştir. ER, PR, Ki-67 moleküler özelliklerinin
öngörülmesinde ise PET radyomik verileri ile anlamlı bir ilişki saptanmamıştır.
Geçerliliği kanıtlanmış ve klinikte referans olarak kullanılabilecek verilerin
elde edilebilmesi için daha geniş hasta grupları ile çok merkezli dış
validasyon yapılabilecek ve standardize edilmiş yöntemlerle çalışılacak ileri
çalışmalara ihtiyaç olduğu anlaşılmaktadır.
Anahtar
Kelimeler: doku analizi, makine öğrenmesi, östrojen
reseptörü, progesteron reseptörü, HER-2, Ki-67