Çift modellik radyomik ile invaziv meme kanserinde Ki-67 ekspresyonunun tahmini

Bu araştırma hastalar için neden önemli

İnvaziv meme kanseri teşhisi ile karşılaşan kadınlar için temel sorulardan biri tümörün ne kadar hızlı büyüyüp yayılma eğiliminde olduğudur. Hekimler genellikle kanser hücrelerinin ne kadar hızlı bölündüğünü tahmin etmek için Ki-67 adlı bir proteine güvenirler, ancak bunu ölçmek genellikle iğne biyopsisi veya cerrahi ile doku alınmasını gerektirir. Bu çalışma, rutin meme görüntülemelerinde—ultrason ve mammografide—gizli kalan bilgilerin bilgisayar tarafından birleştirilip analiz edilerek ek invaziv test gerektirmeden Ki-67 düzeylerini tahmin edip edemeyeceğini araştırıyor; bu da tedavinin daha az rahatsızlık ve riskle kişiselleştirilmesine yardımcı olabilir.

Gözün algılayabileceğinden fazlasını görmek

Ultrason ve mammografi, meme tümörlerini tespit etmek ve karakterize etmek için standart araçlardır. Radyologlar şekil, sınırlar ve diğer görünür ayrıntılara bakar, ancak her görüntü aynı zamanda insan gözünün tamamen yorumlayamayacağı kadar karmaşık parlaklık ve doku desenleri içerir. Radyomik, bu tıbbi görüntüleri yüzlerce ölçülebilir özelliğe çeviren bir tekniktir ve her tümörü zengin sayısal bir parmak izine dönüştürür. Yazarlar bu parmak izlerinin tümörün ne kadar agresif davrandığını, Ki-67 düzeyinin yüksek mi düşük mü olduğunu yansıtabileceğini düşündüler.

İki görüntüleme türünü birleştirmek

Araştırma ekibi tek bir hastanede tedavi gören 206 invaziv meme kanserli kadını inceledi. Hepsinin ameliyat öncesi temiz ultrason ve mammografi görüntüleri ile laboratuvar temelli Ki-67 sonuçları vardı. Tümörler, yaygın olarak kullanılan bir eşik olan %20 veya daha az olarak düşük Ki-67 ve %20’nin üzerinde olarak yüksek Ki-67 şeklinde gruplandırıldı. Uzmanlar her görüntüde tümörün sınırlarını izledi ve bilgisayar yazılımı her bir görüntüleme yönteminden binin üzerinde özellik çıkardı. Bu özellikler temel parlaklık, tümör şekli ve hem orijinal görüntülerde hem de gizli yapıları vurgulamak üzere tasarlanmış matematiksel dönüşümler sonrasında ince taneli doku desenleri gibi nitelikleri tanımlıyordu.

Bilgisayara agresiviteyi tahmin etmeyi öğretmek

Tüm özellikler eşit derecede yararlı olmadığından, araştırmacılar en öngörücü güce sahip olan daha küçük bir set elde etmek için istatistiksel bir yöntem kullandılar. Ardından yüksek ve düşük Ki-67’li tümörleri ayırt etmek için birkaç tür makine öğrenimi modeli eğittiler ve üç versiyon oluşturdular: yalnızca ultrasona dayalı olan, yalnızca mammografiye dayalı olan ve her iki yöntemin özelliklerini birleştiren model. Modelleri, sonuçların yeni vakalarda ne kadar iyi korunduğunu test etmek için verileri tekrar tekrar karıştırıp eğitim ve test gruplarına bölen tekrarlı çapraz doğrulama ile titizlikle test ettiler.

Modellerin görüntülerden öğrendikleri

Birleştirilmiş model açıkça tek bir görüntüleme yöntemine dayanan modellerden daha iyi performans gösterdi. Eğrinin altındaki alanı (AUC) 0.882’ye ulaştı; bu da modelin yüksek ile düşük Ki-67’li tümörleri neredeyse onda dokuz doğru sıraladığı, duyarlılık (agresif tümörleri yakalama) ile özgüllük (yanlış alarmı önleme) arasında iyi bir denge sağladığı anlamına geliyor. Yalnızca ultrason ve yalnızca mammografi bazlı modeller belirgin şekilde daha az doğruydu. En önemli özelliklerin birçoğu dokuyu—tümör içindeki gri seviyelerin ne kadar tekdüze veya değişken olduğunu—ve tümör şekline ilişkin özellikleri yakalıyordu. SHAP adlı bir yorumlama aracı kullanılarak yazarlar, hangi özelliklerin modeli yüksek veya düşük risk tahminine daha güçlü ittiğini göstererek kararlarının daha şeffaf olmasını sağladılar.

Bakım üzerine potansiyel etkiler ve sonraki adımlar

Çalışma, ultrason ve mammografiden gelen bilgileri birleştirerek bilgisayarların biyopsi temelli Ki-67 testleriyle yakından örtüşen bir şekilde tümörün büyüme aktivitesini tahmin edebileceğini gösteriyor. Pratikte böyle bir araç, özellikle biyopsi alınmasının zor olduğu durumlarda veya zaman içinde tekrarlayan ölçümler gerektiğinde, hekimlerin tedaviyi yoğunlaştırma veya daha yakın izleme kararlarına yardımcı olabilir. Ancak çalışma tek merkezli ve retrospektif olarak yapıldığından, daha büyük, çeşitli hasta gruplarında ve prospektif çalışmalarda test edilmesi gerekiyor. Doğrulanırsa, bu çift modellik radyomik yaklaşım kişiselleştirilmiş meme kanseri tedavisini yönlendirmede geleneksel patolojiye eşlik eden değerli, invaziv olmayan bir araç haline gelebilir.

Atıf: Xu, R., Lin, Q., Zheng, C. et al. Prediction of Ki-67 expression in invasive breast cancer with dual-modality radiomics. Sci Rep 16, 12129 (2026). https://doi.org/10.1038/s41598-026-42827-y

Anahtar kelimeler: meme kanseri, Ki-67, radyomik, ultrason, mammografi