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
- Tez No: 975432
- Danışmanlar: PROF. DR. GÖKHAN KOCA
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Makine öğrenmesi, meme kanseri, pozitron emisyon tomografisi, radyomiks, Breast cancer, machine learning, positron-emission tomography, radiomics
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Nükleer Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Meme kanserinde aksiller lenf nodu metastazı önemli bir prognostik faktör olup doğru evreleme ve tedavi planlaması için kritik öneme sahiptir. İnvaziv aksiller evreleme yöntemlerinin sınırlılıkları ve yan etkileri nedeniyle noninvaziv ve doğruluğu yüksek öngörü yöntemlerine ihtiyaç vardır. Bu çalışmanın amacı, F-18 FDG PET/BT tabanlı radyomiks özellikleri ile klinikopatolojik, radyolojik ve metabolik-volümetrik verilerin kombine edildiği makine öğrenmesi modellerinin aksiller lenf nodu metastazını öngörmedeki etkinliğini araştırmaktır. Gereç-Yöntem: Ocak 2021-Ocak 2025 tarihleri arasında başlangıç evrelemesi için F-18 FDG PET/BT görüntülemesi yapılan meme kanseri hastaları retrospektif olarak incelendi. Çalışmaya dahil edilen 284 hastanın klinikopatolojik özellikleri, USG bulguları ve PET/BT parametreleri kaydedildi. LIFEx yazılımı ile tekstür analizi yapılarak primer tümörlerden 164 radyomik özellik çıkarıldı. Oluşturulan tüm veri seti %70 eğitim, %30 test seti olarak bölündü. R programlama dili ile öncelikle tek değişkenli istatistiksel analizler gerçekleştirildi. Daha sonra LASSO ve stepwise AIC hibrit yöntemi ile her veri modalitesi için lojistik regresyon modelleri oluşturuldu. Alternatif olarak tüm veri setinden mRMR algoritması ile özellik seçimi yapılarak beş farklı makine öğrenmesi algoritması (GLM, Random Forest, SVM, XGBoost, Naive Bayes) test edildi. Model performansları ROC analizi, karar eğrisi analizi ve tanısal performans metrikleri ile değerlendirildi. Bulgular: İstatistiksel analizlerde USG bulguları ve aksiller SUVmax değeri hem test hem de eğitim setinde lenf nodu metastazıyla güçlü korelasyon gösterdi (p<0.001). Sadece radyomik özelliklerden oluşturulan makine öğrenmesi modelinin tahmin performansı sınırlı kaldı (AUC: 0.578). LASSO-AIC tabanlı kombine model test setinde 0.913 AUC değerine ulaştı. mRMR tabanlı XGBoost modeli ise 0.927 AUC ile en yüksek performansı gösterdi. Kombine model, tek modaliteli modellere istatistiksel olarak anlamlı üstünlük sağladı (p<0.05). Sonuç: Multiparametrik makine öğrenmesi modelleri, meme kanserinde aksiller lenf nodu metastazının öngörülmesinde tek modaliteli yöntemlere kıyasla üstün performans ortaya koymuştur. Bu yaklaşım, hastalığın evrelemesine ve yönetimine katkı sağlayarak gereksiz invaziv girişimleri azaltabilir.
Özet (Çeviri)
Aim: Axillary lymph node metastasis represents a significant prognostic factor in breast cancer and is essential for accurate staging and treatment planning. Due to limitations and adverse effects of invasive axillary staging methods, there is a need for non-invasive and highly accurate predictive approaches. The purpose of this study was to create and assess machine learning models that integrate clinicopathological, radiological, and metabolic-volumetric data, in addition to F-18 FDG PET/CT radiomics features, for the prediction of axillary lymph node metastasis. Materials and Methods: We retrospectively examined female breast cancer patients who received F-18 FDG PET/CT scans for initial staging from January 2021 through January 2025. Clinical data, pathological features, ultrasound results, and PET/CT measurements were collected for 284 patients who met our study criteria. Texture analysis was performed using LIFEx software, and 164 radiomic features were extracted from primary tumors. The constructed dataset was divided into 70% training and 30% test sets. Initially, univariate statistical analyses were performed using R programming language. Subsequently, logistic regression models were built for each data modality using LASSO and stepwise AIC methodology. Alternatively, feature selection was performed from the entire dataset using the mRMR algorithm, and five different machine learning algorithms (GLM, Random Forest, SVM, XGBoost, Naive Bayes) were evaluated. Model performances were assessed using ROC analysis, decision curve analysis, and diagnostic performance metrics. Results: In univariate analyses, ultrasound findings and axillary SUVmax showed strong correlation with lymph node metastasis in both test and training sets (p<0.001). The performance of the machine learning model developed solely from radiomic features remained limited (AUC: 0.578). The LASSO-AIC based combined model achieved an AUC value of 0.913 in the test set. The mRMR-based XGBoost model demonstrated the highest performance with an AUC of 0.927. The combined model exhibited statistically significant superiority over unimodal models (p<0.05). Conclusion: Multiparametric machine learning models demonstrate better performance compared to unimodal models in predicting axillary lymph node metastasis in breast cancer. These models can reduce unnecessary invasive procedures by contributing to the staging and management of the disease.
Benzer Tezler
- CDK 4/6 inhibitörleri ile tedavi edilen metastatik meme kanseri hastalarında 18 F FDG PET/BT tabanlı nomogram modeli ile progresyonsuz sağkalım tahmini
Development of an 18 F FDG PET/CT derived nomogram to predict progression free survival in metastatic breast cancer patients treated with CDK 4/6 inhibitors
ZEYNEP CEREN BALABAN GENÇ
Tıpta Uzmanlık
Türkçe
2025
OnkolojiMarmara ÜniversitesiNükleer Tıp Ana Bilim Dalı
DOÇ. DR. SALİH ÖZGÜVEN
- 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
2012
OnkolojiDicle Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. ABDURRAHMAN IŞIKDOĞAN
- Meme kanserli hastalarda kardiyak kalsifikasyon varlığının, evreleme amacıyla yapılan F-18 FDG pet ile retrospektif olarak araştırılması
Investigation of cardiac calcification assessment in patients with breast cancer with F-18 FDG pet retrospective for staging
ZEHRA AKMAZ DEMİR
Tıpta Uzmanlık
Türkçe
2020
KardiyolojiTrakya ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. SERVET ALTAY
- 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
2012
Radyoloji ve Nükleer TıpOndokuz Mayıs ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. TARIK BAŞOĞLU
- Meme kanserli hastalarda Flor-18 florodeoksiglukoz pozitron emisyon tomografisi/bilgisayarlı tomografisinin radyomiks analizinin neoadjuvan kemoterapi yanıtını öngörü değeri
Predictive value of radiomics analysis of Flor-18 flurodeoxyglucose positron emission tomography/computed tomography in response to neoadjuvant chemotherapy in breast cancer patients
DİLEK ALGUR
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpErciyes ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. AHMET TUTUŞ