Orta ve Yüksek riskli prostat kanserlerinde preoperatif dönemde çekilen PSMA-PET radiomik değerleri paralelinde yapay zeka yardımlı olarak cerrahi sonrası biyokimyasal nüks öngörülebilir mi ?
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, ANKARA ŞEHİR SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, CERRAHİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: OĞUZHAN ÖZTÜRK
Danışman: Cavit CEYLAN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Prostat kanseri dünya genelinde en yüksek insidansa sahip dördüncü kanserdir. Erkekler arasında ise akciğer kanserinden sonra ikinci en sık kanser olup kansere bağlı ölümlerin beşinci en sık sebebidir. Biyokimyasal nüks (BKN) meydana gelen vakalarda uzak metastaz ve kansere bağlı ölüm meydana gelebileceğinden definitif tedavi sonrası hastaların yakın takip edilmesi ve BKN riskinin öngörülebilmesi büyük önem taşımaktadır. Radyomik ise görüntüdeki insan gözüyle seçilemeyen birçok veriyi veri algoritmaları kullanılarak çeşitli modellemeler üzerinden nicel olarak yapılandırılmış bir görüntü işleme alanıdır. Bu çalışmada PSMA PET/BT görüntülerindeki radyomikler üzerinden yapay zekanın BKN'yi öngörmedeki rolü incelenmesi amaçlanmıştır. Gereç ve yöntem: Çalışmamıza 1 Mart 2019- 1 Ağustos 2023 tarihleri arasında kliniğimizce Radikal Prostatektomi operasyonu yapılan ve preoperatif PSMA PET/BT görüntülemesi olan hastalar dahil edildi. Hastalar postoperatif biyokimyasal nüks gelişen ve gelişmeyen hastalar olarak iki gruba ayrıldı. İki grup arasındaki PSMA PET/BT görüntüleri radyomik özellikleri yapay zeka aracılığıyla değerlendirilerek BKN'yi öngörmesi değerlendirildi. Bulgular: Çalışmamıza radikal prostatektomi olan ve preoperatif PSMA PET/BT görüntülemesi yapılmış olan 102 hasta dahil edildi. Hastaların 76'sı eğitim grubu 26'sı test grubu olarak ayrıldı. Hastaların yaş ortalaması 67.5 idi. Biyokimyasal nüks olan grubunu ortalama yaşı 67.4 ± 5.9 ve biyokimyasal nüks olmayan grubun ortalama yaşı 67.6 ± 6.8 idi. Tüm hastaların ortalama PSA değeri 12.4 idi. Biyokimyasal nüks olan grubun ortalama Psa değeri 14.0 ± 6.6 nüks olmayan grubun iste 11.2 ± 6.2 idi. Gruplar arasında PSA değerinde anlamlı fark izlendi. (P = 0.015) PSA dansitesinde ise biyokimyasal nüks olan grubun ortalama değeri 0.26 ± 0.13 iken biyokimyasal nüks olmayan grupta 0.23 ± 0.13 olup iki grup arasında istatistiksel olarak anlamlı fark izlenmedi.(P = 0.143) PYTHON yazılımı ile PyCarret kütüphanesinde 14 makine öğrenimi (MÖ) algoritmasının radyomikler üzerinden biyokimyasal nüksü tahmin etmedeki viii performansı değerlendirildi. En başarılı performansı LightGBM (Light Gradient Boosting Machine) modeli göstermiştir. (Accuracy: 0.69 Precision : 0.73 AUC 0.67 Recall 0.69 ve F1 skoru: 0.68) özellikle de biyokimyasal nüksü olmayan hastaları tahmin etmekteki performansının daha yüksek olduğu dikkat çekmiştir(Precision :0,65 Recall: 0,86 F1 skoru: 0,74). Sonuç: Çalışmamızdaki sonuçlara göre yapay zeka biyokimyasal nüksü olmayan hastaları saptamada biyokimyasal nüksü olan hastaları saptamaya kıyasla daha başarılı sonuç vermiştir. Daha fazla sayıda hasta üzerinden yapılacak prospektif çalışmaların yapılması daha kesin sonuçlar verecektir. Yapay zeka aracılığıyla biyokimyasal nüks riskinin saptanması postoperatif takipte kişiye özel takip protokolleri oluşturulması konusunda klinisyenlere yardımcı olacaktır. Anahtar Kelimeler: Prostat Kanseri, PSMA PET/BT, Biyokimyasal nüks, Makine Öğrenimi, Yapay Zeka, Radyomik