Küratif radyoterapi uygulanan inopere baş boyun kanserli hastalarda yapay zekâ ile yanıt tahminleme

Bu çalışmada inopere baş boyun kanserli (BBK) hastalarda küratif radyoterapi (RT) öncesi çekilen planlama Bilgisayarlı Tomografi (BT) görüntülerinden çıkarılan radyomik özellikler, planlama BT'si üzerinde oluşturulan RT planlarından çıkarılan dozyomik ve klinik özellikler kullanılarak yapay zekâ (YZ) modelleri ile tedavi yanıtı öngörme potansiyeli araştırıldı. Eylül 2015-Şubat 2024 tarihleri arasında BBK nedeniyle RT uygulanan hastalar retrospektif olarak incelendi. RT ile tedavi edilen toplam 129 hastaya ait BBK verisi toplandı. Tedavi yanıtı, RT sonrası 3–6. ayda yapılan BT, Manyetik Rezonans Görüntüleme (MRG) ve Pozitron Emisyon Tomografisi (PET-BT) görüntülemeleriyle değerlendirildi. Tam yanıt ve parsiyel yanıt gösterenler yanıtlı, stabil ve progresif özellik gösterenler yanıtsız olarak iki gruba ayrıldı. Veriler rastgele %70 eğitim ve %30 test seti olacak şekilde ayrıldı. Modellerin performansını ayrıntılı biçimde değerlendirebilmek için doğruluk (accuracy), kesinlik (precision), duyarlılık (recall) ve duyarlılık ile kesinlik değerlerinin harmonik ortalamasını gösteren F1 skoru kullanıldı. Yanıt ile ilişkili seçilen radyomik, dozyomik ve klinik özellikler, makine öğrenmesi (MÖ) ve derin öğrenme (DÖ) tabanlı 11 farklı YZ algoritmaları ile yanıt tahminleme açısından değerlendirildi. Tüm bu algoritmalar RT yanıt tahminlemede iyi performans sergiledi. Ardından XGBoost yöntemi ile değişken önem sıralaması yapıldı ve anlamlı özellikler literatür ile kıyaslandı. Sonuç olarak sunulan bu çalışmada BT tabanlı radyomik ve dozyomik özellikler klinik bulgular ile birleştirildikten sonra YZ modelleri ile tedavi yanıtını tahmin edebileceği gösterildi. Bulguların daha geniş hasta serileri ve çok merkezli çalışmalar ile desteklenmesine ihtiyaç duyulmaktadır.