Lokal ileri mide kanserli hastalarda bilgisayarlı tomografi tabanlı radiomics özelliklerin çıkarımı ve makine öğrenmesi yöntemleriyle neoadjuvan kemoterapi yanıtının öngörülmesi
Başlık çevirisi mevcut değil.
- Tez No: 983437
- Danışmanlar: DOÇ. DR. ŞEHNAZ EVRİMLER
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Lokal ileri mide kanseri, makine öğrenmesi, radiomics, neoadjuvan kemoterapi, Locally advanced gastric cancer, machine learning, radiomics, neoadjuvant chemotherapy
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Etlik Şehir Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Lokal ileri mide kanseri (LAMK) hastalarında neoadjuvan kemoterapi (NAK) yanıtının öngörülmesi, tedavi sürecinin bireyselleştirilmesi ve gereksiz toksisitenin önlenmesi açısından büyük öneme sahiptir. Bu çalışmanın amacı, kontrastlı bilgisayarlı tomografi (BT) görüntülerinden elde edilen radiomics özellikler ve klinik değişkenler kullanılarak NAK yanıtını öngörecek prognostik modeller geliştirmek ve bu modellerin sağkalım ile ilişkisini değerlendirmektir. Gereç ve Yöntem: Çalışmaya, histopatolojik olarak doğrulanmış ve NAK olarak FLOT (5-fluorourasil, lökovorin, oksaliplatin ve dosetaksel) rejimi almış lokal ileri mide kanserli hastalar dahil edildi. BT görüntülerinden manuel üç boyutlu (3D) segmentasyon ile tümör ve tümör çevresindeki radyolojik açıdan patolojik görünümlü lenf nodları işaretlendi. Toplam 400'ün üzerinde radiomics özellik çıkarıldı ve korelasyon filtresi ile boyut indirgeme uygulandı. Sonrasında univariate F-test ile seçilen 20 özellik kullanılarak lineer regresyon tabanlı radiomics modeli oluşturuldu. Klinik değişkenlerle birlikte farklı kombinasyonlarda toplam beş model geliştirildi (klinik, radiomics, birleşik, seçilmiş radiomics, klinik+seçilmiş radiomics model). Modellerin performansı ROC analizi, AUC, doğruluk, duyarlılık, özgüllük, kesinlik ve F₁ skorları ile değerlendirildi. Ayrıca klinik fayda için karar eğrisi analizi (Decision Curve Analysis, DCA) yapıldı. Sağkalım öngörüsü Kaplan–Meier analizi ile test edildi. Bulgular: ROC analizinde klinik modele dayalı KNN algoritması en yüksek AUC değerine ulaşırken, doğruluk açısından en iyi performans birleşik model ve klinik+ seçilmiş radiomics modelde gözlendi. Klinik+seçilmiş radiomics model özgüllük ve kesinlikte en yüksek değerleri sağlarken, radiomics model duyarlılıkta öne çıktı. F₁ skoru açısından en dengeli performans birleşik model tarafından gösterildi. Karışıklık matrisleri, birleşik modelde yanlış sınıflandırmaların azaldığını ve doğru sınıflandırmaların arttığını ortaya koydu. DCA sonuçları da klinik+ seçilmiş radiomics modelin en geniş eşik olasılık aralıklarında en yüksek net faydayı sunduğunu gösterdi. Radiomics, seçilmiş radiomics, klinik ve kombine modellerde elde edilen Kaplan–Meier analizinde yüksek risk grubunda sağkalım anlamlı derecede daha düşük bulundu (p<0,01). Sonuç: Bu çalışma FLOT rejimiyle tedavi edilen lokal ileri mide kanserinde neoadjuvan kemoterapi yanıtını öngörmek amacıyla radiomics temelli modeller geliştiren öncü bir çalışmadır. Klinik değişkenler ve BT tabanlı seçilmiş radiomics özelliklerin birlikte kullanıldığı kombine modeller, tek başına klinik veya radiomics modellere kıyasla daha güçlü prediktif performans, daha yüksek klinik fayda ve daha dengeli sınıflandırma sağlamaktadır. Preoperatif BT görüntülerinden elde edilen radiomics modellerin, yüksek riskli hasta gruplarının belirlenmesinde ve uygun adayların neoadjuvan tedaviye yönlendirilmesinde potansiyel biyobelirteç olarak kullanılabileceği gösterilmiştir. Ayrıca seçilmiş radiomics, klinik ve kombine modellerde Kaplan–Meier sağkalım analizleri, yüksek risk grubunda yer alan hastaların düşük risk grubuna kıyasla anlamlı derecede daha düşük sağkalım olasılığına sahip olduğunu göstermiştir. Bulgularımız, radiomics ve klinik verilerin entegrasyonunun hasta yönetiminde karar desteği sunarak tedavi stratejilerinin kişiselleştirilmesine katkı sağlayabileceğini göstermektedir.
Özet (Çeviri)
Objective: Predicting the response to neoadjuvant chemotherapy (NAC) in patients with locally advanced gastric cancer (LAGC) is of great importance for individualizing treatment strategies and avoiding unnecessary toxicity. The aim of this study was to develop prognostic models to predict NAC response using radiomics features derived from contrast-enhanced computed tomography (CT) images and clinical variables, and to evaluate the association of these models with survival outcomes. Materials and Methods: Patients with histopathologically confirmed locally advanced gastric cancer who received neoadjuvant FLOT (5-fluorouracil, leucovorin, oxaliplatin, and docetaxel) chemotherapy were included in the study. Manual three-dimensional (3D) segmentation was performed on CT images to delineate the primary tumor and radiologically pathological-appearing peritumoral lymph nodes. More than 400 radiomics features were extracted, followed by dimensionality reduction using a correlation filter. Subsequently, 20 features selected by univariate F-test were used to construct a linear regression–based radiomics model. In combination with clinical variables, a total of five models were developed (clinical, radiomics, combined, selected radiomics, and clinical + selected radiomics models). Model performance was evaluated using ROC analysis, AUC, accuracy, sensitivity, specificity, precision, and F₁ score. Clinical utility was assessed using decision curve analysis (DCA). Survival prediction was evaluated using Kaplan–Meier analysis. Results: In ROC analysis, the KNN algorithm based on the clinical model achieved the highest AUC, while the best accuracy was observed in the combined model and the clinical + selected radiomics model. The clinical + selected radiomics model demonstrated the highest specificity and precision, whereas the radiomics model showed superior sensitivity. The most balanced performance in terms of F₁ score was observed in the combined model. Confusion matrices revealed fewer misclassifications and increased correct classifications in the combined model. DCA results indicated that the clinical + selected radiomics model provided the highest net benefit across the widest range of threshold probabilities. Kaplan–Meier analyses based on radiomics, selected radiomics, clinical, and combined models demonstrated significantly lower survival in the high-risk group (p < 0.01). Conclusion: This study represents a pioneering effort to develop radiomics-based models for predicting response to neoadjuvant chemotherapy in locally advanced gastric cancer treated with the FLOT regimen. Combined models integrating clinical variables and CT-based selected radiomics features demonstrated superior predictive performance, higher clinical utility, and more balanced classification compared with clinical- or radiomics-only models. Radiomics models derived from preoperative CT images may serve as potential biomarkers for identifying high-risk patient groups and guiding appropriate candidates toward neoadjuvant therapy. Additionally, Kaplan–Meier survival analyses of the selected radiomics, clinical, and combined models demonstrated that patients in the high-risk group had significantly lower survival probabilities compared with those in the low-risk group. These findings suggest that the integration of radiomics and clinical data may support clinical decision-making and contribute to the personalization of treatment strategies in patient management.
Benzer Tezler
- Mide kanserinin primer evrelemesinde 18 FDG-PET/BT ve bilgisayarlı tomografinin etkinliğinin değerlendirilmesi
Evaluation of the efficacy of FDG -PET / CT and computed tomography in the primary staging of gastric cancer
ZÜBEYDE SAYGILI ÖZDEMİR
- Neoadjuvan kemoterapi alan mide kanseri hastalarında tedavi öncesi ve sonrası PET-BTparametrelerinin patolojik komplet yanıtı tahmin etmedeki rolü
The role of pre- and post-treatment PET-BT parameters in predicting pathological complate response in patients with gastric cancer receiving neoadjuvant chemotherapy
ÖMER FARUK ALTUNIŞIK
Tıpta Uzmanlık
Türkçe
2025
İç HastalıklarıDicle Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. ABDURRAHMAN IŞIKDOĞAN
- Mide kanseri hastalarında neadjuvan tedaviye yanıtı öngörmede serum adipokinlerinin rolü
The role of serum adipokines in prediction of response to neadjuvant treatment in gastric cancer patients
MAHMUT EMİN ÇİÇEK
Tıpta Uzmanlık
Türkçe
2025
Genel CerrahiSağlık Bilimleri ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. MERT MAHSUNİ SEVİNÇ
- Neoadjuvan kemoterapi alan lokal ileri mide kanseri olgularının retrospektif olarak pre ve postoperatif BT bulguların karşılaştırılması
Comparison of retrospective pre and postoperative CT results of local advanced gastric cancer cases with neoadjuvan chemotherapy
ELDAR BEKESHEV
Tıpta Uzmanlık
Türkçe
2017
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
UZMAN Mehmet ÖNCÜ
- Mide kanserinde neoadjuvan kemoterapi sonrası radyolojik ve patolojik yanıtların değerlendirilmesi
Evaluation of radiological and pathological responses after neoadjuvant chemotherapy in gastric cancer
GÖKER ÇALIŞ
Tıpta Uzmanlık
Türkçe
2025
Genel CerrahiSağlık Bilimleri ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. MAHMUT SAİD DEĞERLİ