Geri Dön

Meme kanseri hastalarında dozyomik ve radyomik özellikler üzerinden kanser tedavisine bağlı kardiyak olayların erken tahmini için makine öğrenimi modeli oluşturulması

Machine learning model development for early prediction of treatment-related cardiac events in breast cancer patients with dosiomic and radiomic features

PDF İndir

  1. Tez No: 877357
  2. Yazar: ŞEFİKA DİNÇER
  3. Danışmanlar: PROF. DR. MÜGE AKMANSU
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyasyon Onkolojisi, Radiation Oncology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Radyasyon Biyolojisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Son dekatta genom haritaları ve biyobelirteç keşifleri ile kişiselleştirilmiş tıp bilimsel araştırmaların esas konusu olmaya başlamıştır. Bu çalışma, meme kanseri tedavisi ilişkili kardiyak olayları gelişmeden tahminlemeyi amaçlamaktadır. Bu tahminler, kalp spesifik troponin-T gibi kardiyak biyobelirteçlerin yanı sıra kalp segmente radyolojik görüntüler ve radyoterapi doz dağılım verilerinden yüksek istatistiksel işlemlerle elde edilen radyomik ve dozyomik biyobelirteçleri kullanılarak yapıldı. Çalışmada toplam 42 hastanın klinik, radyolojik, dozimetrik ve doz dağılım verileri yer aldı. Kalp spesifik troponin-T sınır değeri 14 ng/L olarak tespit edildi ve hastalar kardiyak olay var ve yok olarak iki gruba klasifiye edildi. Bu sınır değer üstünde kalanlar kanser tedavisi ilişkili kardiyak olayla ilişkilendirildi. Radyolojik görüntüler ve doz dağılımı dosyaları yüksek istatistiksel işleme sokularak radyomik ve dozyomik veriler elde edildi. Test verileri bir gömülü metot olan gradyan artırılmış klasifikasyon algoritmasına sokuldu. Model genellenebilirliği için 5 katmanlı çapraz doğrulama ve model rasgeleliğinin değerlendirilmesi için parametrik olmayan permütasyon testi yapıldı. Performans değerlendirilmesi için eğri altında kalan alan (AUC) yöntemi kullanıldı. Farklı özellik grupları ile (klinik, dozyomik, radyomik, dozimetrik) toplam oluşturuldu. Klinik+dozimetrik 6 farklı model ve klinik+dozyomik+radyomik parametrelerle oluşturulan tesadüfi model sonuçları anlamlı permütasyon(p<0,05) değeri ile başarıları olmayan modellerdi. En yüksek tahmin klinik+dozyomik+radyomik parametreleri ile elde edildi (AUC=0,96). Bu değer klinik+dozimetrik model için çok daha düşük düzeyde kaldı (AUC= 0,67). Bu çalışma, meme kanseri hastalarında tedaviyle ilişkili kardiyak olayların öngörülmesinde, geleneksel klinik ve dozimetrik parametrelerden ziyade görüntüleme biyobelirteçlerinin belirgin bir şekilde daha başarılı bir tahmin gerçekleştirdiğini göstermektedir. Bu durum, henüz klinik uygulamaya geçememiş ve karmaşık istatistiksel işlemlere ihtiyaç duyan görüntüleme biyobelirteçlerinin kişiselleştirilmiş tıp uygulamalarına dahil edilmesi gerektiğini gösterebilir.

Özet (Çeviri)

Personalized medicine has been a critical focus of scientific research in the past decade, with a particular emphasis on genomic mappings and biomarker discoveries. This study is a prime example of predicting cardiac side effects associated with breast cancer treatment. The predictions are made using cardiac biomarkers such as cardiac-specific troponin-T and imaging biomarkers derived from radiological images and dose distribution data. These biomarkers are used for model that can predict the potential development of breast cancer treatment related cardiac side effects. In this study of 42 patients, we set a threshold value of >14 ng/L for cardiac-specific troponin-T and dividing into two groups the data. Those above the threshold value were considered to have cancer treatment-related cardiac events.Radiological images and dose distribution files were processed using high statistical procedures to obtain radiomic and dosimetric features. A hybrid method, recursive feature elimination, was used to select significant features for prediction. The model was then constructed and tested using an embedded gradient-boosted classification algorithm. A 5-fold cross-validation and nonparametric permutation test were conducted to assess the model's generalizability and randomness. The area under the curve (AUC) method was used for model performance evaluation. Six different models were created with varying groups of features (clinical, dosimetric, radiomic and dosiomic). Among these, clinical + dosiomic + radiomic model and clinical + dosimetric model yielded results with cross-validation and significant permutation (p<0.05). The highest predictive value was clinical + dosiomic + radiomic model (AUC=0.96). This value remained considerably low for the clinical + dosimetric model (AUC=0.67). Notably, the model constructed with imaging biomarkers outperformed those based on traditional clinical, radiological, and dosimetric parameters, demonstrating higher accuracy in predicting cardiac events in the test set.

Benzer Tezler

  1. Tez No

    260139

    Meme kanseri hastalarında egzersiz öz yeterlilik ölçeğinin türkçe geçerlilik ve güvenirliğinin incelenmesi

    Reliability and validity of exercise self-efficacy scale in the breast cancer patients

    NİLÜFER BOZKURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    HemşirelikEge Üniversitesi

    İç Hastalıkları Hemşireliği Ana Bilim Dalı

    DOÇ. DR. FİSUN ŞENUZUN

  2. Tez No

    288506

    Meme kanseri hastalarında TWIST, RARß2 ve ESR1 genlerinin metilasyon durumlarının Metilasyon Spesifik HRM (MS-HRM) yöntemiyle incelenmesi

    Investigation of the methylation status of TWIST, RARß2 and ESR1 genes in breast cancer patients by Methylation Specific HRM (MS-HRM) technique

    ONUR EROĞLU

    Doktora

    Türkçe

    Türkçe

    2011

    GenetikEskişehir Osmangazi Üniversitesi

    Tıbbi Genetik Ana Bilim Dalı

    YRD. DOÇ. DR. BEYHAN DURAK ARAS

  3. Tez No

    361458

    Meme kanseri hastalarında tedavi ilişkili nötropeni gelişimini etkileyen risk faktörleri

    Risk factors affecting development of treatment associated neutropenia in breast cancer patients

    ALPER SARI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    OnkolojiHacettepe Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. SİBEL AŞÇIOĞLU HAYRAN

    PROF. DR. M. Kadri ALTUNDAĞ

  4. Tez No

    388652

    Meme kanseri hastalarında roy uyum modeline göre yapılandırılmış eğitimin hastalığa uyuma etkisinin incelenmesi

    Invastigating the effects of education structured according to roy adaptation model in adaptation of breast cancer patients to disease

    ZÜLEYHA SEKİ ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2013

    Genel CerrahiEge Üniversitesi

    Cerrahi Hastalıklar Hemşireliği Ana Bilim Dalı

    DOÇ. DR. FATMA DEMİR KORKMAZ

    DOÇ. DR. ÖZGÜL KARAYURT

  5. Tez No

    399491

    Meme kanseri hastalarında çevresel bireysel ve olaya dair faktörlerin travma sonrası gelişim ile ilişkisi

    The relationship of environmental personal and event related factors with post - traumatic growth in breast cancer patients

    ZÜMRÜT BELLUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    PsikolojiMersin Üniversitesi

    Psikoloji Ana Bilim Dalı

    YRD. DOÇ. DR. ARZU AYDIN ACI

Geri Dön