Geri Dön

Meme kanserinde F-18 FDG pet/BT radyomiklerinin tümör moleküler özellikleri ile ilişkisi

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 808262
  2. Yazar: BÜŞRA AYDUR PÜREN
  3. Danışmanlar: PROF. DR. SEMRA ÖZDEMİR
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Doku analizi, Makine öğrenmesi, Meme hastalıkları, Meme neoplazmları, Moleküler yapı, Neoplazmlar, Pozitron emisyon tomografi, Radyomikler, Reseptörler-progesteron, Reseptörler-östrojen, Texture analysis, Machine learning, Breast diseases, Breast neoplasms, Molecular structure, Neoplasms, Positron-emission tomography, Radiomics, Receptors-progesterone, Receptors-estrogen
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Çanakkale Onsekiz Mart Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Nükleer Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

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.

Özet (Çeviri)

Objective: Our aim in this study is to assess the role of radiomics features that will be extracted from F-18 Fluorodeoxyglucose (FDG) Positron Emission Tomography (PET) / Computed Tomography (CT) images of breast cancer patients in predicting the molecular markers such as ER, PR, Ki-67 and HER-2, which are used to determine the molecular subtypes of breast cancer. Methods: Radiomics data has been obtained via LIFEx software from F-18 FDG PET/CT images of 162 patients who were diagnosed with breast cancer histopathologically and whose molecular markers such as ER, PR, Ki-67, and HER-2 were studied, did not receive local/systemic treatment before imaging, and did not undergo excisional biopsy. In order to examine the relationship of each molecular marker with radiomics data, machine learning models were studied with the Phyton software. The data is divided into 20% test and 80% training subset. Further, the most relevant features were selected among the radiomic data using the SFS method and then scaling was performed on these features. Afterwards, 5 different machine learning models including Random Forest, XGBoost, Support Vector Machine, Logistic Regression and Naive Bayes, were established and the model performance metrics of these models were examined. Accuracy and other performance metrics were evaluated together and then the confusion matrix table of the model with the highest performance was prepared, also the sensitivity and specificity values of the model were calculated. In addition, the ROC curve of each model was drawn and the AUC values were calculated. Results: In prediction of HER-2 molecular marker, the accuracy of the model established with radiomics data was found to be 0,82, AUC 0,76, sensitivity 62,5%, and specificity 90,0%. Higher results were obtained than most of the limited number of studies in the literature. The accuracy of the model established for ER prediction was 0,91, AUC 0,59, sensitivity 96,6%, and specificity 33,3%. Due to the small number of ER negative patients, it was thought that the values may not reflect the reality. Accuracy value of the model established in PR prediction was 0,69, AUC 0,55, sensitivity 81,8%, specificity 40,0%, and no significant correlation was found between radiomics data. The accuracy value of the model established for Ki-67 prediction was 0,60, AUC 0,60, sensitivity 68,4% and specificity 55,2%, and no significant correlation was found between radiomics data. Conclusion: The model established with PET radiomics was found to perform acceptable in predicting HER-2 expression. In particular, a successful result was obtained in detecting the negativity of HER-2 expression from PET radiomics features. No significant correlation was found with PET radiomics in the prediction of ER, PR, Ki-67 molecular markers. In order to obtain data that has proven validity and can be used as clinical reference, it is understood that there is a need for further studies with larger patient groups, multicentered, externally validated and used standardized methods.

Benzer Tezler

  1. Tez No

    360115

    Meme kanserinde Tc-99m V-DMSA (Pentavalan-Dimerkaptosüksinik Asid) sintigrafisi ile F-18 FDG PET/BT çalışmalarının karşılaştırılması ve sintigrafik çekimler esnasında meme yastığı ile pozisyonlanmış ve pozisyonlanmamışgörüntülerin karşılaştırılmalı değerlendirilmesi

    Comparison of Tc-99m V-DMSA scintigraphy and F-18 FDG PET/CT in breast cancer and evaluation of scintigraphic images obtained with and without breast positioining

    SEZEN ELHAN VARGÖL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Radyoloji ve Nükleer TıpHacettepe Üniversitesi

    Dahili Tıp Bilimleri Bölümü

    PROF. DR. ESER LAY ERGÜN

  2. Tez No

    975432

    Meme kanserli hastalarda F-18 FDG PET/BT tabanlı radyomiks analizinin aksiller lenf nodu metastazını öngörmedeki rolü

    The role of F-18 FDG PET/CT-based radiomics in predicting axillary lymph node metastasis in patients with breast cancer

    SEFA ÖZDEMİR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    PROF. DR. GÖKHAN KOCA

  3. Tez No

    308118

    Meme ve akciğer kanserli hastalarada evreleme amacıyla yapılan F-18 FDG PET-BT ile Tc-99m MDP SPECT-BT kemik sintigrafisinin kemik lezyonlarının tespitinde karşılaştırmalı değerlendirilmesi

    Comparison of F-18 FDG PET-CT with Tc-99m MDP SPECT-CT bone scintigraphy for the detection of bone lesions in breast and lung cancer patients

    ZELİHA ŞAHİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    Radyoloji ve Nükleer TıpOndokuz Mayıs Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    PROF. DR. TARIK BAŞOĞLU

  4. Tez No

    941932

    Meme kanserinde Ga-68 DOTA-Bombesin PET/BT'nin evreleme ve yeniden evrelemeye katkısı

    Contribution of Ga-68 DOTA-Bombesin PET/CT to staging and restaging in breast cancer

    MEHMET CAN BALOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    DOÇ. DR. ESRA ARSLAN

  5. Tez No

    452819

    Akciğer ve meme kanserli hastalarda kemik metastazlarının değerlendirilmesinde pet/bt ve kemik sintigrasinin korelasyonlarının değerlendirilmesi

    It was to evaluate the correlation between f-18 fdg pet/ct and bs in the detection of osseous metastases in breast and lung cancer

    ALİ İNAL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    OnkolojiDicle Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. ABDURRAHMAN IŞIKDOĞAN

Geri Dön