Geri Dön

Radikal prostatektomi uygulanan prostat kanseri tanılı hastalarda tümörün histopatolojik özelliklerini öngörmede Ga-68 PSMA PET/BT temelli doku analizinin ve volümetrik parametrelerin değeri

The value of Ga-68 PSMA PET/CT-based textural analysis and volumetric parameters in predicting histopathological features of the tumor in patients with prostate cancer undergoing radical prostatectomy

PDF İndir

  1. Tez No: 945673
  2. Yazar: GÜLŞAH YILMAZ
  3. Danışmanlar: PROF. DR. BURCU ESEN AKKAŞ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Prostat kanseri, Ga-68 PSMA PET/BT, radyomik öznitelikler, makine öğrenmesi, ISUP Grade, patolojik evre, SUVmax, TL-PSMA, PSMA-TV, Prostate cancer, Ga-68 PSMA PET/CT, radiomic features, machine learning, ISUP Grade, pathological stage, SUVmax, TL-PSMA, PSMA-TV
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Hamidiye Tıp Fakültesi
  11. Ana Bilim Dalı: Nükleer Tıp Ana Bilim Dalı
  12. Bilim Dalı: Nükleer Tıp Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

RADİKAL PROSTATEKTOMİ UYGULANAN PROSTAT KANSERİ TANILI HASTALARDA TÜMÖRÜN HİSTOPATOLOJİK ÖZELLİKLERİNİ ÖNGÖRMEDE GA-68 PSMA PET/BT TEMELLİ DOKU ANALİZİNİN VE VOLÜMETRİK PARAMETRELERİN DEĞERİ ÖZET AMAÇ: Bu çalışmada amaç; Ga-68 PSMA PET/BT görüntülerinden elde edilen radyomik ve volumetrik parametrelerin, radikal prostatektomi uygulanmış prostat kanseri hastalarında histopatolojik özellikleri öngörebilme yeteneğini değerlendirmek ve bu parametrelerin non-invaziv klinik karar destek süreçlerine entegrasyon potansiyelini araştırmaktır. GEREÇ VE YÖNTEM: Çalışmaya, 2020–2024 yılları arasında histopatolojik olarak prostat kanseri tanısı almış ve radikal prostatektomi uygulanmış 80 hasta dahil edildi. Ga-68 PSMA PET/BT görüntüleri, %40 SUVmaks eşik değeri ile yarı otomatik olarak LIFEx v7.7.0 yazılımı aracılığı ile segmente edildi. IBSI uyumlu algoritmalar ile GLCM, GLRLM, GLZLM, NGTDM gibi doku içi varyasyonu yansıtan yüksek boyutlu radyomik öznitelikler çıkarıldı. Aynı zamanda SUVmaks, PSMA tutulum hacmi (PSMA-TV) ve total lezyon PSMA aktivitesi (TL-PSMA) hesaplandı. ISUP derece grubu, patolojik evre (pT2 vs pT3) ve seminal vezikül invazyonu (SVI) gibi prognostik histopatolojik değişkenlerin öngörülmesi için Random Forest, Linear Discriminant Analysis (LDA), kNN, SVM, XGBoost, Naive Bayes ve Lojistik Regresyon algoritmalarıyla sınıflandırma modelleri geliştirildi. Modellerin performansı doğruluk, sensitivite, spesifite, PPV ve AUC parametreleri ile değerlendirildi. Ayrıca SUVmax, PSMA-TV ve TL-PSMA parametrelerinin patolojik değişkenlerle ilişkisi Mann–Whitney U testi ile analiz edildi. BULGULAR: ISUP derece grubu ≤2 ve ≥3 ayrımına yönelik geliştirilen Random Forest modeli, test setinde %94,1 (80–20) ve %92,00 (70–30) doğruluk oranlarına ulaşmıştır. Bu modele ait 10 katlı çapraz doğrulama sürecinde elde edilen doğruluk oranı %77,8; sensitivite %86,0, spesifite %100,0 ve pozitif prediktif değer %80,8 olarak saptanmıştır (AUC: 0,668). LDA modeli yalnızca üç radyomik öznitelikle eğitilmiş olup, test setinde %82,3 doğruluğa ulaşmıştır. Bu modele ait 10 katlı çapraz doğrulama sürecinde elde edilen doğruluk oranı %67,6; sensitivite %83,3, spesifite %81,8 ve pozitif prediktif değer %71,4 olarak saptanmıştır (AUC: 0,734). Patolojik evre (pT2 vs pT3) sınıflamasında en yüksek performans, üç radyomik öznitelikle eğitilmiş olan Random Forest modeliyle elde edilmiştir. Bu model, test setinde %82,3 doğruluğa ulaşmıştır. Bu modele ait 10 katlı çapraz doğrulama sürecinde elde edilen doğruluk oranı %77,8, sensitivite %85,7, spesifite %85,7 ve pozitif prediktif değer %76,8 olarak saptanmıştır (AUC:0,767). Seminal vezikül invazyonu öngörüsünde en başarılı performans, Random Forest algoritmasıyla elde edilmiştir. Bu model, test setinde %88,24 (80–20) ve %88,00 (70–30) doğruluk oranlarına ulaşmıştır. Bu modele ait 10 katlı çapraz doğrulama sürecinde elde edilen doğruluk oranı %79; sensitivite %91,7, spesifite %94,4 ve pozitif prediktif değer %82,6 olarak saptanmıştır (AUC: 0,628). Volümetrik parametrelerden TL-PSMA; ISUP Grade (p = 0,001), pT (p < 0,001), IDC-P (p = 0,002), SVI (p = 0,002), LVI (p = 0,003), lenf nodu metastazı (p = 0,020), tümör hacim oranı (p = 0,002) ve GGG (p = 0,009) ile anlamlı ilişki göstermiştir. SUVmax; ISUP Grade, pT, IDC-P, SVI, LVI, lenf nodu metastazı ve tümör hacim oranı ile; PSMA-TV ise ISUP Grade, IDC-P ve tümör hacim oranı ile anlamlı ilişki göstermiştir. SONUÇ: Ga-68 PSMA PET/BT görüntülerinden elde edilen radyomik öznitelikler, belirli histopatolojik özelliklerin öngörüsünde yüksek doğruluk sağlamış; volümetrik parametreler ise bu özelliklerle anlamlı düzeyde korelasyon göstermiştir. Bu çalışmada geliştirilen makine öğrenmesi modelleri ve yürütülen istatistiksel analizler; tümörün mikroskobik düzeydeki heterojenitesi ile yapısal karmaşıklığına ilişkin anlamlı veriler sunmuştur. Elde edilen bulgular; non-invaziv yöntemlerle biyolojik agresyonun değerlendirilmesinde PSMA PET tabanlı radyomik ve volümetrik analizlerin önemli bir potansiyel taşıdığını ve klinik karar destek süreçlerine katkı sunabileceğini göstermektedir.

Özet (Çeviri)

THE VALUE OF GA-68 PSMA PET/CT-BASED TEXTURAL ANALYSIS AND VOLUMETRIC PARAMETERS IN PREDICTING HISTOPATHOLOGICAL FEATURES OF THE TUMOR IN PATIENTS WITH PROSTATE CANCER UNDERGOING RADICAL PROSTATECTOMY ABSTRACT AIM: The aim of this study is to evaluate the predictive capability of radiomic and volumetric parameters derived from Ga-68 PSMA PET/CT images for histopathological features in prostate cancer patients who underwent radical prostatectomy, and to investigate their potential integration into non-invasive clinical decision support processes. MATERIALS AND METHODS: A total of 80 patients who were histopathologically diagnosed with prostate cancer and underwent radical prostatectomy between 2020 and 2024 were included in the study. Ga-68 PSMA PET/CT images were semi-automatically segmented using the LIFEx v7.7.0 software with a 40% SUVmax threshold. High-dimensional radiomic features reflecting intratumoral texture variation, such as GLCM, GLRLM, GLZLM, and NGTDM, were extracted using IBSI-compliant algorithms. Additionally, SUVmax, PSMA tumor volume (PSMA-TV), and total lesion PSMA activity (TL-PSMA) were calculated. Classification models were developed using Random Forest, Linear Discriminant Analysis (LDA), k-Nearest Neighbors (kNN), Support Vector Machine (SVM), XGBoost, Naive Bayes, and Logistic Regression algorithms to predict prognostic histopathological variables such as ISUP grade group, pathological stage (pT2 vs pT3), and seminal vesicle invasion (SVI). Model performance was evaluated based on accuracy, sensitivity, specificity, positive predictive value (PPV), and area under the curve (AUC). Additionally, the relationship between SUVmax, PSMA-TV, and TL-PSMA values and pathological variables was analyzed using the Mann–Whitney U test. RESULTS: The Random Forest model developed to distinguish between ISUP grade groups ≤2 and ≥3 achieved test set accuracies of 94.1% (80–20 split) and 92.00% (70–30 split). In the 10-fold cross-validation process, this model yielded an accuracy of 71.67%, sensitivity of 86.0%, specificity of 100.0%, and positive predictive value of 80.8% (AUC: 0.6680). The LDA model, although trained with only three radiomic features, achieved a test set accuracy of 82.3%. In the 10-fold cross-validation process, this model yielded an accuracy of 67.7%, sensitivity of 83.3%, specificity of 81.8%, and positive predictive value of 71.4% (AUC: 0.734). For pathological stage (pT2 vs pT3) classification, the highest performance was obtained with the Random Forest model trained using three radiomic features. This model achieved a test set accuracy of 82.3%. The 10-fold cross-validation process yielded an accuracy of 77.8%, sensitivity and specificity of 85.7%, and positive predictive value of 76.8% (AUC: 0.767). In predicting seminal vesicle invasion, the best performance was achieved with the Random Forest algorithm. This model reached test set accuracies of 88.24% (80–20 split) and 88.00% (70–30 split). In the 10-fold cross-validation process, the model yielded an accuracy of 79.0%, sensitivity of 91.7%, specificity of 94.4%, and positive predictive value of 82.6% (AUC: 0.628). Among volumetric parameters, TL-PSMA showed significant associations with ISUP Grade (p = 0.001), pT stage (p < 0.001), IDC-P (p = 0.002), SVI (p = 0.002), LVI (p = 0.003), lymph node metastasis (p = 0.020), tumor volume ratio (p = 0.002), and GGG (p = 0.009). SUVmax was significantly associated with ISUP Grade, pT stage, IDC-P, SVI, LVI, lymph node metastasis, and tumor volume ratio, while PSMA-TV showed significant correlation with ISUP Grade, IDC-P, and tumor volume ratio. CONCLUSION: Radiomic features extracted from Ga-68 PSMA PET/CT images demonstrated high accuracy in predicting certain histopathological characteristics, while volumetric parameters showed statistically significant correlations with these features. The machine learning models developed in this study, along with the statistical analyses conducted, provided meaningful insights into the microscopic heterogeneity and structural complexity of the tumor. The findings indicate that PSMA PET-based radiomic and volumetric analyses hold considerable potential for the non-invasive assessment of biological aggressiveness and may contribute to clinical decision support processes.

Benzer Tezler

  1. Tez No

    1008893

    Füzyon prostat biyopsisinde upgrade ve lateralite oranlarının değerlendirilmesi

    Evaluation of upgrade and laterality rates in fusion prostate biopsy

    EMRECAN GÖKŞİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    ÜrolojiErciyes Üniversitesi

    Üroloji Ana Bilim Dalı

    DOÇ. DR. GÖKHAN SÖNMEZ

  2. Tez No

    1016180

    Yeni tanı prostat kanseri hastalarında radikal prostatektomi öncesi Ga-68 PSMA PET/BT volümetrik parametrelerinin histopatolojik ve biyokimyasal verilerle ilişkisi

    Association of Ga-68 PSMA PET/CT volumetric parameters with histopathological and biochemical data in newly diagnosed prostate cancer patients prior to radical prostatectomy

    OĞUZHAN BARDAKCI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Radyoloji ve Nükleer TıpNecmettin Erbakan Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA EROL

  3. Tez No

    666868

    Prostat kanserli hastalarda 3 tesla multiparametrik manyetik rezonans görüntülemenin Ga-68 PSMA PET/BT görüntüleme bulguları ile karşılaştırılması ve histopatolojik korelasyonu

    Comparing and histopathological correlation of 3 tesla multiparametric magnetic resonance imaging with Ga-68 PSMA PET / CT imaging findings in patients with prostate cancer

    YASEMİN OKATAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    UZMAN TURGUT TURSEM TOKMAK

  4. Tez No

    963481

    Prostat adenokanseri bulunan hastalarda biyopsi sonrası kanamaların MR görüntüleme bulguları ve tanı üzerindeki etkisinin değerlendirilmesi

    Evaluation of the effect of the biopsy-related hemorrhage on magnetic resonance imaging findings and diagnosis, in patients with prostate cancer

    CANVER ÖNAL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    Radyoloji ve Nükleer Tıpİstanbul Medeniyet Üniversitesi

    Radyoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSMAİL CAYMAZ

  5. Tez No

    670478

    Prostat biyopsisi ile radikal prostatektomi spesmeninde tümör dağılım/ grade'i arasındaki korelasyon ve bu özelliklerin multiparametrik manyetik rezonans görüntüleme bulgularıyla ilişkisinin araştırılması

    Investigation of the correlation between prostate biopsy and tumor distribution/grade in radical prostatectomy specimen and the contribution of prostate multiparametric magnetic resonance imaging in determining tumor characteristics

    BİLGİ İŞLER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    ÜrolojiSağlık Bilimleri Üniversitesi

    Üroloji Ana Bilim Dalı

    PROF. DR. ÖNER ODABAŞ

Geri Dön