Meme kanserinde aksiller lenf nodu metastaz varlığının öngörülmesinde yapay öğrenme yöntemlerinin etkinliklerinin araştırılması
Investigation of the effectiveness of artificial learning methods in predicting axillary lymph node metastasis in breast cancer
- Tez No: 549769
- Danışmanlar: PROF. DR. YUSUF ALPER KILIÇ
- Tez Türü: Tıpta Uzmanlık
- Konular: Genel Cerrahi, General Surgery
- Anahtar Kelimeler: meme kanseri, aksiller lenf nodu metastazı, yapay öğrenme, tümör çapı, lenfatik invazyon, Ki-67, Lenfatik metastazlar, Makine öğrenmesi, Meme neoplazmları, Neoplazm metastazları, Neoplazmlar, breast cancer, axillary lymph node metastasis, artificial learning, tumor size, lymphatic invasion, Ki-67, Lymphatic metastasis, Machine learning, Breast neoplasms, Neoplasm metastasis, Neoplasms
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Genel Cerrahi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kadınlarda çok önemli bir morbidite ve mortalite nedeni olan meme kanserinde sağkalım ile ilişkili en önemli prognostik etken aksiller lenf nodu tutulumudur. Bu nedenle aksillaya yönelik yapılacak tedavinin eksiksiz ve doğru planlanması gerekir. Bununla birlikte aksilla diseksiyonun morbiditesini azaltmaya yönelik uygulanan sentinel lenf nodu örneklemesi dahi yaşam kalitesini olumsuz etkileyecek sonuçlar doğurabilir. Aksiller lenf nodu metastazı varlığının öngörülebilmesi tedavinin planlanmasında büyük yarar sağlayacaktır. Bu çalışmada aksiller lenf nodu metastazı varlığının öngörülmesinde yapay öğrenme yöntemlerinin etkinlikleri değerlendirilmiştir. Kliniğimizde 2013-2018 yılları arasında meme kanseri nedeniyle ameliyat edilen ve tam aksilla diseksiyonu yapılan kadın hastalardan verilerine eksiksiz ulaşılabilen 489'unun verileri anonim olarak toplanmış, ve scikit-learn kütüphaneleri kullanılarak, lojistik regresyon,“k-nearest neighbour”,“support vector machine”,“decision tree”ve“random forest”algoritmaları ile yapay öğrenme modelleri geliştirilerek, etkinlikleri test edilmiştir. Veri setinde tümör çapı, lenfatik invazyon varlığı ve Ki-67 indeksinin aksiller lenf nodu metastazı ile diğer parametrelere göre daha yüksek korelasyon gösterdiği; tümör derecesinin kategorik değeri yerine, bileşenlerinin toplam değerinin alınmasının korelasyonu artırdığı; ve ameliyat öncesi ve sonrası patoloji raporlarında tümör derecesi değerlendirmelerinin birbiri ile korelasyonunun düşük olduğu bulundu. Yapay öğrenme yöntemlerinin belirlenen veri setinde aksiller lenf nodu metastaz varlığını öngörme konusunda ekinliklerinin yeterli düzeyde olmadığı, bu açıdan hastanın neoadjuvan tedavi durumunun modellerin etkinlikleri üzerinde etkili olduğu ve Ki-67 indeksinin veri setine değişken olarak eklenmesinin yapay öğrenme algoritmalarının etkinliğini belirgin şekilde artırdığı saptandı. Ameliyat öncesi ve sonrası patoloji raporları arasındaki düşük korelasyonun nedenlerinin değerlendirilmesi gerektiği, tümör derecesinin kategorik değeri yerine toplam değerinin kullanılmasının gerektiği, tüm öngörü modelleri için lenfatik invazyon gibi önemli değişkenlerin daha ayrıntılı bir ölçüm aralığında rapor edilmesinin yarar sağlayabileceği, yapay öğrenme yöntemlerinin etkinliklerinin ayrıntılı görüntüleme yöntemi sonuçları ve Ki-67 indeksininde kullanıldığı bir prospektif çalışmada değerlendirilmesinin daha yol gösterici olacağı sonuçlarına varıldı.
Özet (Çeviri)
Axillary lymph node involvement is one of the most significant prognostic factor of survival in women with breast cancer. Therefore, axillary area treatment options should be well determined. However, sentinel lymph node sampling to reduce the morbidity of axilla dissection may have consequences that may adversely affect quality of life. Foreseeing the presence of axillary lymph node metastases will be of great benefit in planning the treatment. In this study, the effectiveness of artificial learning methods was evaluated in the prediction of axillary lymph node metastasis. The anonymous data of 489 patient with history of full axillary dissection were collected, and the efficacy of artificial learning methods was tested. These artificial learning methods were developed with logistic regression,“k-nearest neighbour”,“support vector machine”,“decision tree”and“random forest”algorithms by using scikit-learn libraries. Tumor diameter, presence of lymphatic invasion and Ki-67 index showed higher correlation with axillary lymph node metastasis than other parameters in verise; instead of the categorical value of tumor grade, the total value of its components increased the correlation; and statistically significant correlation was found between preoperative tumor grade evaluations pathology reports and postoperative pathology reports. It was found that the neoadjuvant status of artificial learning methods was not sufficient in predicting the presence of axillary lymph node metastasis and that the neoadjuvant treatment status of the patient was effective on the effectiveness of the models and the addition of Ki-67 index as a variable in the dataset significantly increased the effectiveness of machine learning algorithms. Underlying reasons for the low correlation between preoperative and postoperative pathology reports must be further evaluated. Cumulative total of components of tumor grade is better correlated with axillary lymph node metastasis compared to categorical value of the tumor grade. Lymphatic invasion is the more closely corrected with axillary lymph node metastasis, and must be reported routinely and in a scalar format. Effectiveness of machine learning algorithms can be improved by including imaging and demographic data to dataset.
Benzer Tezler
- İnvaziv lobuler meme kanserinde aksiller lenf nodu metastazını ön görmede etkin prediktif faktörler ve aksiller immunohistokimyasal belirteçlerin karşılaştırılmalı değerlendirilmesi
Comparative evaluation of effective predictive factors and axillary immunohistochemical markers in prediction of axillary LYMPH node metastase in invasive lobular breast cancer
ÇAĞLAR KAZIM PEKUZ
Tıpta Uzmanlık
Türkçe
2023
Genel Cerrahiİstanbul Medipol ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. PELİN BASIM
- Meme kanserinde manyetik rezonans görüntüleme bulguları ile metastatik aksiller lenf nodu arasındaki ilişki
Relationship between magnetic resonance imaging findings and metastatic axillary lymph node in breast cancer
DERYA DENİZ ALTINTAŞ
Yüksek Lisans
Türkçe
2024
Radyoloji ve Nükleer TıpAcıbadem Mehmet Ali Aydınlar ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. SELMA GÜL İÇTEN
- Meme kanserinde erken tanı, tedavi, prognoz ve aksiller metastazda lncRNA ve miRNA rolü
The role of lncRNA and miRNA in early diagnosis, treatment, prognosis and axillary metastasis in breast cancer
TAHA YASİN BARAN
Tıpta Uzmanlık
Türkçe
2023
Tıbbi BiyolojiPamukkale ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. SEVDA YILMAZ
- Meme kanseri tanısıyla ameliyat edilen klinik olarak aksilla nod negatif hastalarda, slnbx pozitifliğinin sağ kalım ve nüks üzerine etkilerinin retrospektif olarak karşılaştırılması
A retrospective comparison of the effects of slnbx positiveness on survival and recurrence in clinically axilla nod negative patients operated with breast cancer diagnosis
MUSTAFA BALLI
Tıpta Uzmanlık
Türkçe
2021
Genel CerrahiErciyes ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TÜRKMEN BAHADIR ARIKAN
ÖĞR. GÖR. MUSTAFA GÖK
- Meme kanserli hastalarda aksiller reverse mapping uygulamasının onkolojik güvenliği
Oncologic safety of axillary reverse mapping technique in patients with breast cancer
KAĞAN GÖKÇE
Tıpta Uzmanlık
Türkçe
2013
Genel CerrahiMaltepe ÜniversitesiCerrahi Tıp Bilimleri Bölümü
YRD. DOÇ. DR. UĞUR DEVECİ