Bilgisayarlı tomografi bulgularının ve doku analizinin benign ve malign parotis ile submandibular bez tümörlerini ayırt etme üzerindeki tanısal değeri

Amaç: Bu çalışma tek fazlı kontrastlı bilgisayarlı tomografi (BT) doku analizi- radyomiks özelliklerinin, konvansiyonel BT radyolojik bulgularının ve bu özelliklerin birlikte kullanımının parotis bez veya submandibular bez tümörlerinin benign ya da malign olarak sınıflandırılması üzerindeki tanısal rolünü değerlendirmeyi amaçlamıştır. Gereç ve yöntem: Bu retrospektif çalışmaya Ekim 2012 ile Aralık 2023 tarihleri arasında parotis bezi veya submandibular bezde kontrastlı BT'de kitle raporlanan, operasyon ya da biyopsi sonrası patolojik inceleme ile tanı alan 101 olgu dahil edilmiştir. Radyomiks analizi için tek BT kesiti üzerinde kitle sınırlarını içine alacak şekilde manuel olarak iki boyutlu (2D) ilgi alanı (ROI) Slicer (v.5.6.2) programında segmente edilmiş ve Python programında (v.3.9.10) PyRadiomics (v3.1.0) kütüphanesi kullanılarak her bir kitle için şekil özellikleri (N = 23), birinci dereceden istatistiksel özellikler (N = 18) ve ikinci dereceden istatistiksel özellikler, GLCM özellikleri (N = 24), GLDM özellikleri (N = 14), GLRLM özellikleri (N = 16), GLSZM özellikleri (N = 16), NGTDM özellikleri (N=5), olmak üzere toplam 116 orijinal radyomiks özelliği çıkarılmıştır. Özellik azaltma algoritmaları kullanılarak seçilen özelliklerle lojistik regresyon radyomiks sınıflandırma modeli oluşturulmuştur. Ayrıca konvansiyonel radyolojik-demografik bulgular özellikleri ve her iki modelden seçilen birleşik özelliklerle sınıflandırma modelleri oluşturulmuştur. Model kalibrasyonları Hosmer-Lemeshow testi ile değerlendirilmiş, kalibrasyon grafikleri çizilmiştir. Model perfomansları ROC analizi ile değerlendirilmiş, model performansları DeLong testi ile karşılaştırılmıştır Bulgular: AUC (Eğri Altında Kalan Alan) değeri ortalaması radyomiks modeli, konvansiyonel radyolojik-demografik bulgular modeli ve birleşik model için sırasıyla; 0,889; 0,920; 0,955; duyarlılık ortalaması 0,712; 0,760; 0,828; özgüllük ortalaması 0,864; 0,915; 0,911; doğruluk ortalaması 0,808; 0,856; 0,881 bulunmuştur. En iyi sınıflandırma modelinin birleşik model olduğu görülmüştür. Modellerin AUC değerleri DeLong testi ile karşılaştırılmış ve radyomiks modeli ile birleşik model arasındaki fark istatistiksel olarak anlamlı bulunmuştur (p değeri <0.05). Sonuç: Çalışmamızda tükürük bezi tümörlerinin malignitesini değerlendirmek için performansı en iyi model olduğu bulunan birleşik modelin klinik pratikte tümör yönetimine rehberlik etmeye yardımcı olabileceği düşünülmektedir.