Metastaz tanısı için çoklu radyomik verileri ile yapay zeka tabanlı karar destek sistemi oluşturulması

Abstract

Kanser, hücrelerin kontrolsüz şekilde büyümesi ile oluşur. Kanser tanısı aldıktan sonra evreleme tetkikleri ile kanserin yaygınlığı belirlenir. Kanser metastazlarını tespit etmede birçok tetkik kullanılmaktadır. Bu tetkikler genel olarak uzmanlar tarafından çıplak gözle değerlendirilmektedir. Yapay zeka uygulamaları günümüzde önem kazanmış olup, metastaz saptanmasını arttırmak amacıyla da yaygın olarak kullanılmaya başlanmıştır. Prostat kanseri erkeklerde en sık görülen kanserdir. En sık uzak organ metastazı alanı kemiklerdir. Prostat kanseri genellikle sklerotik kemik metastazına neden olur. Tedavinin ardından kemik metastazları sklerotik özelliklerini korumaya devam ederler. Bilgisayarlı tomografi görüntülerinde, aktif metastaz ile tedaviye tam yanıtlı metastaz alanı ayrımını çıplak gözle yapmak mümkün değildir. Bunun için genellikle moleküler görüntüleme yöntemleri veya manyetik rezonans görüntüleme kullanılır. Bu tez çalışmasında; yapay zeka ve radyomik verileri yardımıyla prostat kanserinin neden olduğu kemik metastazlarında aktif metastaz ile tedaviye tam yanıt vermiş skleroz alanlarının ayrımının yapılması hedeflenmiştir. Altın standart olarak 68Ga-PSMA PET/BT görüntüleri kullanılmıştır. Elde edilen 35 doku analizi bulgusundan 28'inde, iki grup arasında istatistiksel olarak anlamlı fark bulundu. Makine öğrenmesi ile 0.76 AUC ile metastaz/non-metastaz sklerotik lezyon ayrımı yapıldı. Elde edilen verilerle, internet üzerinden ücretsiz ulaşılabilen karar destek sistemi geliştirerek genel kullanıma sunulmuştur (URL: https://emineacar.shinyapps.io/ScleroticMet/).

Uncontrolled growth of cells causes cancer. After the diagnosis of cancer, the extent of the cancer is determined by staging imaging modalities. Many imaging modalities are used to detect metastases of cancer. These examinations are generally evaluated by specialists with a naked eye. Artificial intelligence applications have gained importance today and have been widely used to increase metastasis detection. Prostate cancer is the most common cancer in men. The most common site of distant metastasis are bones. Prostate cancer often causes sclerotic bone metastasis. After treatment, bone metastases continue to maintain their sclerotic paterns. In computed tomography images, it is not possible to distinguish between active metastases and metastases with complete response to treatment with the naked eye. For this, molecular imaging methods or magnetic resonance imaging are generally used. In this study; with the help of artificial intelligence and radiomics data, it is aimed to distinguish between active metastases and sclerosis areas that have fully responded to treatment in bone metastases caused by prostate cancer. 68Ga-PSMA PET/CT images were used as the gold standard. A statistically significant difference was found between the two groups in 28 of 35 tissue analysis findings. Metastasis/non-metastasis sclerotic lesions were differentiated with 0.76 AUC by machine learning. With the data obtained, a decision support system that can be accessed free of charge over the internet has been developed and made available to the general public (URL: https://emineacar.shinyapps.io/ScleroticMet/).