Rektum tümörlerinde radiomiks analizi ve post-operatif korelasyonu
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, İSTANBUL BAKIRKÖY DR. SADİ KONUK SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, DAHİLİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: ULAŞ GÜLTÜRK
Danışman: Elif HOCAOĞLU
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Çalışmamızın amacı lokal ileri rektum kanseri olgularında, MR görüntüleri üzerinden yapılan radiomiks analizi ile elde edilen değişkenler ile makine öğrenmesi yöntemleri kullanılarak, neoadjuvan tedavilere yanıtı tahmin etmek olarak belirlenmiştir. Yöntem ve Gereçler: Ocak 2020 ve Aralık 2022 tarihleri arasında kliniğimizde rektuma yönelik MRG çekilen 150 hastadan çalışmaya alınma ölçütlerini karşılayan 72 hasta dahil edildi. Olgular neoadjuvan tedavi sonrasında opere edildi ve patoloji piyeslerinde tümör regresyon skorlarına göre önce 4 gruba, ardından tam yanıt verenler ve tam yanıt vermeyenler olarak 2 gruba ayrıldı. MR görüntülerde T2A, ADC ve kontrastlı T1 serilerde lezyonlar üç boyutlu olarak segmente edildi ve radiomiks değişkenleri hesaplandı. Değişkenler seçimi Man Whitney U testi ile yapılarak (p<0.05) makine öğrenmesi modelleri her sekans için ayrı ayrı geliştirilmiş ve en başarılı modeller seçilmiştir. Bulgular: T2A sekanslarda 11, kontrastlı T1A sekanslarda 10 ve ADC sekanslarda 9 değişken seçilerek modeller oluşturuldu. Test gruplarında model başarıları T2A için nöral ağ modeli %89 doğruluk, %89 özgüllük; T1A için nöral ağ modeli için %93 doğruluk, %100 özgüllük; ADC için kuadratik diskriminant modeli %96 doğruluk ve %94 özgüllük olarak izlenmiştir. Sonuç: Çalışmamız rektum kanserlerinin radiomiks değişkenleri ve makine öğrenmesi modelleri kullanılark, bazal MRG inceleme üzerinden neoadjuvan tedaviye yanıtının yüksek doğruluk oranlarında öngörülebileceğini göstermiştir. Anahtar Kelimeler: Rektum Kanseri, Manyetik Rezonans Görüntüleme, Radiomiks, Tekstür, Makine Öğrenmesi