Glioblastoma Hastalarında Radyomik Özellikler ve Klinik Verilerin Analizi


Creative Commons License

Tezin Türü: Tıpta Uzmanlık

Tezin Yürütüldüğü Kurum: Akdeniz Üniversitesi, Tıp Fakültesi, Dahili Tıp Bilimleri Bölümü, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: ECE ATAK

Danışman: Timur Koca

Özet:

Giriş ve Amaç: Glioblastoma (GBM), santral sinir sisteminin en yaygın ve agresif

primer beyin tümörüdür ve ortalama sağkalım yaklaşık 15 aydır. Cerrahi, radyoterapi

ve kemoterapideki ilerlemelere rağmen, tümör heterojenitesi ve tedavi direnci

nedeniyle olumsuz bir klinik seyir göstermektedir. Bu çalışmada, radyoterapi

simülasyonu için alınan bilgisayarlı Tomografi (BT) görüntülerinden elde edilen

radyomik özelliklerin, klinik ve moleküler verilerle birleştirip derin öğrenme

algoritmaları kullanarak GBM hastalarının genel sağkalım (GS) ve progresyonsuz

sağkalım (PS) sonuçlarını öngörmeyi amaçlayan bir model geliştirmeyi

amaçlanmaktadır.

Yöntemler: Bu çalışmaya, 2018-2024 yılları arasında Akdeniz Üniversitesi'nde

tedavi edilen 115 GBM hastası dahil edilmiştir. Klinik veriler retrospektif olarak

toplanmıştır. BT görüntülerinden radyomik özellikler çıkarılmış ve standartlaştırma

için ön işlemler uygulanmıştır. Sağkalım analizleri Kaplan-Meier ve Cox regresyon

yöntemleriyle yapılmıştır. Model geliştirme için yapay zeka tabanlı makine

öğrenmesi algoritmaları kullanılmıştır.

Bulgular: Çalışmaya dahil edilen hastaların medyan yaşı 60, medyan GS süresi 13

ay ve medyan PS süresi 6 ay olarak saptanmıştır. Bir yıllık GS oranı %52,7, 6 aylık

PS oranı ise %62,6 bulunmuştur. Multifokal tümör varlığı, bilateral tümör varlığı,

düşük performans skoru ve ileri yaş, sağkalımı olumsuz etkileyen faktörler olarak

belirlenmiştir. Gross total rezeksiyon ve eşzamanlı temozolomid kullanımı, sağkalımı

anlamlı şekilde iyileştiren faktörlerdir. Klinik ve radyomik verilerin entegrasyonuyla

oluşturulan, 1 yıllık GS modelinde Lojistik Regresyon modeli %73,9 doğrulukla en

iyi performansı sergilerken, 6 aylık PS tahmininde Gradyan Artırma modeli, %66,7

ile en yüksek doğruluk oranını vermiştir.

Sonuç: Radyomik özelliklerin klinik ve moleküler verilerle entegrasyonu, GBM için

kişiselleştirilmiş prognostik modellemede büyük bir potansiyele sahiptir. Bu

bulgular, radyomiklerin tedavi stratejilerini geliştirmek için değerli bir araç olduğunu

göstermektedir. Bulguların doğrulanması için daha geniş kapsamlı çalışmalar

gereklidir.