Berrak hücreli böbrek hücre karsinoma tümörlerinin ISUP derecesini öngörmek için 3B bilgisayarlı tomografi görüntülerinin radiomics analizi

Böbrek hücresi kanseri (BHK) tüm böbrek kanserlerinin %85 ila %90'ını oluşturur ve berrak hücreli böbrek kanseri (BHBK) en yaygın alt tipidir. 2020 yılında 430,000 yeni vaka teşhis edilmiş ve bunların 179,000'i hayatını kaybetmiştir. Tedavi sürecinin daha verimli bir şekilde yürütülebilmesi için tümör derecesinin girişimsel olmayan ve yüksek doğruluk oranına sahip yöntemlerle belirlenmesi önemlidir. Son zamanlarda yapılan çalışmalar CT görüntülerinden elde edilen radiomics özelliklerinin tümör derecelendirme işlemlerinde kullanılabileceği yönünde ama klinikte kullanılabilmesinin önünde verilerin standart olmaması ve kullanıma uygun olmaması gibi engeller var. Biz bu çalışmada 3B ve 2B radiomics özellikleri kullanarak ensemble makine öğrenmesi modelleri oluşturmayı, mevcut engellerin üstesinden gelmeyi ve daha yüksek başarımla tümör derecelendirmeyi amaçladık. Çalışmaya görüntüleri The Cancer Imaging Archive'dan alınmış 143 hasta dahil edildi. Veri setindeki sınıflar arası dağılım eşitsizliğini gidermek için veri artırma yöntemlerine başvuruldu ve her hastadan çıkarılan binlerce radiomics özelliği sadece en değerli olanlar kalacak şekilde elendi. Asıl tümör alanına ek olarak 5 farklı alan daha segmente edildi ve segmentasyonda yapılacak yanlışların sonuçları ne derecede etkileyeceği araştırıldı. En yüksek başarım olan 0.89 ± 0.02 AUC, SMOTE ve Light Gradient Boosting Method (LightGBM) algoritması kombinasyonunda elde edildi. Sonuç olarak, BHBK tümör derecesini, bir veri setinin yetersizliğine rağmen yüksek güvenilirlikle tahmin edebildik ayrıca en iyi modelimizin segmentasyondaki küçük hatalara rağmen performans kaybı olmadan çalışabildiğini gözlemledik.