Radikal prostatektomi uygulanan prostat kanseri tanılı hastalarda tümörün histopatolojik özelliklerini öngörmede Ga-68 PSMA PET/BT temelli doku analizinin ve volümetrik parametrelerin değeri
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, HAMİDİYE TIP FAKÜLTESİ, DAHİLİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: GÜLŞAH YILMAZ
Danışman: Burcu ESEN AKKAŞ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
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. ANAHTAR KELİMELER: Prostat kanseri, Ga-68 PSMA PET/BT, radyomik öznitelikler, makine öğrenmesi, ISUP Grade, patolojik evre, SUVmax, TL-PSMA, PSMA-TV