GÜNCEL YAYIN Koruyucu Hekimlik, Yaşam Tarzı Tıbbı ve Hücresel Biyoloji
📅 17 Kasım 2026 · Bağımsız Editoryal Ağ
Klinik Rehber

T2 Ağırlıklı MR Tabanlı Bir Nomogram: Radyomik, Derin Öğrenme ve Klinik Faktörlerin Entegrasyonu ile T3–T4 Rektal Kanserinde Tümör Depozitlerinin Ameliyat Öncesi Tahmini – Çift Merkezli Geriye Dönük Bir Çalışma

✍️ Editör Masası • 📅 17 Kasım 2026 • ⏱️ 7 dk okuma
T2 Ağırlıklı MR Tabanlı Bir Nomogram: Radyomik, Derin Öğrenme ve Klinik Faktörlerin Entegrasyonu ile T3–T4 Rektal Kanserinde Tümör Depozitlerinin Ameliyat Öncesi Tahmini – Çift Merkezli Geriye Dönük Bir Çalışma

Özet

Arka Plan:

Tümör depozitleri (TD’ler) rektum kanserinde olumsuz patolojik bulgulardır, ancak bunların geleneksel MRG ile ameliyat öncesi tanımlanması hâlâ zordur. Bu çalışma, T3–T4 rektum kanseri olan hastalarda TD pozitifliğini tahmin etmek için pratik, T2 ağırlıklı MRG tabanlı bir nomogram geliştirmeyi ve doğrulamayı amaçlamıştır.

Yöntemler:

Bu retrospektif çift merkezli çalışmaya, ameliyat öncesi oblik aksiyel T2 ağırlıklı görüntüleme yapılan 405 T3–T4 rektum adenokarsinomu hastası dahil edildi. A kurumundan hastalar geliştirme kohortunu (n = 289; TD pozitif, n = 72), B kurumundan hastalar ise bağımsız test kohortunu (n = 116; TD pozitif, n = 30) oluşturdu. Radyomik özellikler en küçük mutlak daralma ve seçim operatörü (LASSO) lojistik regresyonu kullanılarak seçildi; T2WI’den destek vektör makinesi tabanlı bir radyomik model ve Vision Transformer tabanlı bir derin öğrenme modeli geliştirildi. Radyomik risk skoru, derin öğrenme risk skoru ve tek bağımsız klinik öngörücü olan CA19-9’un entegrasyonu ile birleşik bir nomogram oluşturuldu. Özellik seçimi, hiperparametre ayarlaması ve eşik belirleme dahil tüm model geliştirme adımları yalnızca geliştirme kohortunda gerçekleştirildi ve bağımsız test kohortu yalnızca nihai değerlendirme için bir kez kullanıldı. Ayırt edicilik, kalibrasyon ve klinik fayda değerlendirildi.

Bulgular:

CA19–9, TD pozitifliği için tek bağımsız klinik risk faktörüydü ve radyomik ile derin öğrenme risk skorlarıyla birlikte nomograma dahil edildi. Nomogram, geliştirme kohortunda 0.884 (%95 GA, 0.841–0.918) ve bağımsız test kohortunda 0.854 (%95 GA, 0.776–0.913) AUC değerlerine ulaştı; bu değerler klinik, radyomik ve derin öğrenme modellerinden daha yüksekti. Ancak test kohortunda nomogram ile radyomik model arasındaki fark istatistiksel olarak anlamlı değildi (P = 0.230). Bağımsız test kohortunda duyarlılık, özgüllük ve negatif öngörü değeri sırasıyla %76.7 (%95 GA, %59.1–%88.2), %83.7 (%95 GA, %74.5–%90.0) ve %91.1 (%95 GA, %82.8–%95.6) idi. Kalibrasyon eğrileri iyi bir uyum gösterdi ve karar eğrisi analizi olumlu klinik faydayı ortaya koydu.

Sonuçlar:

Tek bir dış doğrulama kohortu içeren bu ön çift merkezli çalışmada, radyomik özellikleri, Vision Transformer’dan türetilmiş derin öğrenme özellikleri ve CA19–9’u entegre eden pratik bir T2WI tabanlı nomogram, T3–T4 rektum kanserinde TD pozitifliğinin ameliyat öncesi tahminine ve bireyselleştirilmiş risk katmanlaşmasına yardımcı olabilir; ancak bu durum prospektif çok merkezli doğrulamayı beklemektedir.

Giriş

Kolonorektal kanser, küresel sağlık üzerinde önemli bir yük olmaya devam etmekte ve dünya çapında en sık teşhis edilen maligniteler ile kansere bağlı ölümlerin başlıca nedenleri arasında yer almaktadır. Son küresel, ulusal ve hastalığa özgü kanser istatistikleri, kolonorektal kanserin önemli yükünü ve risk katmanlaşmasının iyileştirilmesi ile bireyselleştirilmiş yönetimin gerekliliğini vurgulamaya devam etmektedir (–). Rektum kanseri, kolonorektal kanser vakalarının önemli bir kısmını oluşturmakta ve tedavi kararlarının giderek daha fazla yerel tümör yayılımının, nodal durumun, mezorektal fasya tutulumunun, ekstramüsküler vasküler invazyonun ve diğer yüksek riskli özelliklerin kesin değerlendirilmesine bağlı olması nedeniyle doğru bir ameliyat öncesi değerlendirme gerektirmektedir. Bu durum, neoadjuvan tedavi, cerrahi planlama, adjuvan tedavi ve takip stratejilerinin ameliyat öncesi risk değerlendirmesiyle yakından ilişkili olduğu T3–T4 rektum kanseri hastaları için özellikle önemlidir.

Tümör depozitleri (TD’ler), rektum çevresindeki yağ dokusunda veya mezorektumda yer alan, primer tümörden kopuk ve tanımlanabilir bir kalıntı lenf nodu yapısı olmayan ayrı tümör nodülleridir. TD’ler güncel evreleme sistemlerine dahil edilmiş olup kolonorektal kanserde giderek daha fazla olumsuz patolojik bulgu olarak kabul edilmektedir (, ). Rektum kanserinde TD’ler agresif tümör biyolojisini, kesintili tümör yayılımını, lenfovasküler yayılımı veya nod dışı uzantıyı yansıtabilir. Varlıkları, nüks riskinin artması, uzak metastaz ve daha düşük sağkalım dahil olmak üzere olumsuz onkolojik sonuçlarla ilişkilendirilmiştir. Son çalışmalar ayrıca, MRG ile tespit edilen TD’lerin ve bunlarla ilişkili yüksek riskli özelliklerin, örneğin TD’ler tarafından mezorektal fasyanın tutulumu veya ekstramüsküler vasküler invazyonun, rektum kanserinde önemli prognozistik anlamlara sahip olduğunu göstermiştir (–). Bu nedenle, TD’lerin ameliyat öncesi doğru bir şekilde tanımlanması, risk katmanlaşmasını iyileştirmeye ve yerel olarak ileri evre rektum kanseri olan hastalarda bireyselleştirilmiş tedaviye rehberlik etmeye yardımcı olabilir. Rektum kanseri hastalarında TD’lerin önemli prognozistik etkisi göz önüne alındığında, rektum kanseri için iyi kurulmuş ve yaygın olarak benimsenen DISTANCE prensibi, TD’lerin yeni rolünü vurgulayarak DISTANCED şeklinde evrilmiştir (yeni eklenen “D”) ( ).

Bununla birlikte, TD’lerin güvenilir bir şekilde ameliyat öncesi tanımlanması rutin pratikte hâlâ zordur. Yüksek çözünürlüklü rektal MRG yerel evreleme için standart modalite olmasına rağmen, TD’lerin görsel olarak değerlendirilmesi zordur çünkü metastatik lenf nodlarına, küçük mezorektal nodüllere, düzensiz tümör uzantılarına veya ekstramüsküler vasküler invazyona benzeyebilirler. TD’leri lenf nodu metastazlarından ayırmak özellikle sorunludur, çünkü her ikisi de örtüşen morfolojik özelliklere sahip nodüler mezorektal lezyonlar olarak görünebilir. Son histopatoloji-korelasyonlu çalışmalar ve sistematik incelemeler, MRG’de TD’leri tespit etmenin ve bunları metastatik lenf nodlarından ayırmanın zorluğunu vurgulamış olup, çalışmalar arasında değişken tanısal performans gözlenmiştir (–). Bu sınırlamalar ayrıca lezyon boyutu, görüntü kalitesi, okuyucu deneyimi ve gözlemciler arası değişkenlikten etkilenmekte, bu da nesnel ve tekrarlanabilir görüntüleme biyobelirteçlerine olan ihtiyacı vurgulamaktadır.

Radyomik, görsel değerlendirmenin ötesinde tümör morfolojisini, yoğunluk dağılımını, uzamsal heterojenliği ve mikroçevresel özellikleri yakalayabilecek yüksek boyutlu görüntüleme özelliklerini çıkarmak için nicel bir yaklaşım sunar (, ). MRG tabanlı çeşitli radyomik çalışmalar, çok bölgeli radyomik modeller ve MRG’den türetilmiş risk katmanlaşma yaklaşımları da dahil olmak üzere, rektum kanserinde TD’leri ameliyat öncesi tahmin etmenin mümkün olduğunu göstermiştir (, ). Yakın tarihli bir sistematik inceleme ve meta-analiz ayrıca, radyomiklerin rektum kanserinde TD’leri ve perinöral invazyonu tanımlamada tanısal değere sahip olabileceğini öne sürmüştür; ancak metodolojik heterojenlik, sınırlı örneklem boyutları ve yetersiz dış doğrulama önemli endişeler olarak kalmaktadır ( ). Bu arada, derin öğrenme, hiyerarşik ve soyut görüntü temsillerini otomatik olarak öğrenerek tıbbi görüntü analizinde umut vaat etmiştir ( ). Son çalışmalar, rektum kanserinde TD’leri ameliyat öncesi tahmin etmek için T2 ağırlıklı MRG tabanlı derin öğrenme modellerini, multiparametrik MRG tabanlı modelleri, topluluk öğrenme yaklaşımlarını, habitat radyomiklerinin derin öğrenme ile birleştirildiği modelleri ve transformer tabanlı multimodal füzyon modellerini uygulamıştır (–).

Temel Bulgular ve Genel Değerlendirme

Sonuç olarak, tek bir dış doğrulama kohortu içeren bu ön çift merkezli çalışmada, T3–T4 rektum kanseri olan hastalarda TD pozitifliğinin ameliyat öncesi tahmini için DL risk skorunu, Rad risk skorunu ve CA19–9’u entegre eden birleşik bir nomogram geliştirdik ve bağımsız olarak doğruladık. TD tahmini için MRG tabanlı yapay zeka modelleri daha önce de bildirilmiş olsa da, çalışmamız odaklanmış bir yerel ileri evre rektum kanseri popülasyonunda klinik olarak pratik, oblik aksiyel T2WI tabanlı multimodal bir nomogramın uygulanabilirliğini desteklemektedir. Olumlu ayırt edicilik, kalibrasyon ve karar eğrisi performansı ile bu non-invazif araç, prospektif çok merkezli çalışmalarda klinik kullanıma alınmadan önce araştırmacı bir karar destek aracı olarak bireyselleştirilmiş ameliyat öncesi risk katmanlaşmasına yardımcı olabilir; klinik faydası klinik uygulamadan önce doğrulanmalıdır.

Beyanlar

Üretken Yapay Zeka Beyanı

Yazar(lar), bu makalenin oluşturulmasında üretken yapay zekanın kullanılmadığını beyan etmiştir.

Bu makaledeki şekillerin yanında yer alan tüm alternatif metinler (alt metinler), Frontiers tarafından yapay zeka desteğiyle oluşturulmuş olup, doğruluğu sağlamak için makul çabalar gösterilmiş ve mümkün olduğunda yazarlar tarafından incelenmiştir. Herhangi bir sorun tespit ederseniz lütfen bizimle iletişime geçin.

Yayıncının notu

Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kurumların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından öne sürülebilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.

Özet

Anahtar kelimeler

derin öğrenme, manyetik rezonans görüntüleme, nomogram, radyomik, rektal kanser, tümör depozitleri (TD’ler)

Atıf

Zhang W, Li K, Guan J, Liu D, Liao K, Chen W ve Huang Z (2026) T2-ağırlıklı MRG tabanlı, radyomik, derin öğrenme ve klinik faktörleri entegre eden bir nomogram: T3–T4 rektal kanserde tümör depozitlerinin ameliyat öncesi tahmini için çift merkezli retrospektif bir çalışma. Front. Oncol. 16:1974120. doi: 10.3389/fonc.2026.1974120

Alındı

21 Ağustos 2026

Revize edildi

25 Ekim 2026

Kabul edildi

05 Kasım 2026

Yayınlandı

17 Kasım 2026

Cilt

16 – 2026

Hari Mohan Rai, Nazarbayev Üniversitesi, Kazakistan

Devansh Desai, Silver Oak Mühendislik ve Teknoloji Koleji, Hindistan

Sudhir Kumar, Hindistan Teknoloji Enstitüsü Dhanbad, Hindistan

© 2026 Zhang, Li, Guan, Liu, Liao, Chen ve Huang.

Bu, Creative Commons Atıf Lisansı (CC BY) şartları altında dağıtılan açık erişimli bir makaledir. Orijinal yazarların ve telif hakkı sahiplerinin belirtilmesi ve bu dergideki orijinal yayına kabul edilen akademik uygulamalara uygun olarak atıfta bulunulması koşuluyla, diğer platformlarda kullanılması, dağıtılması veya çoğaltılmasına izin verilir. Bu şartlara uymayan hiçbir kullanım, dağıtım veya çoğaltmaya izin verilmez.

*İletişim: Zixing Huang, zixinghuang@hotmail.com; Wei Chen, landcw@tmmu.edu.cn

†Bu yazarlar çalışmaya eşit düzeyde katkıda bulunmuştur

Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kurumların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından öne sürülebilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.

Frontiers | A T2-weighted MRI-based nomogram integrating radiomics, deep learning, and clinical factors for preoperative prediction of tumor
Frontiers | A T2-weighted MRI-based nomogram integrating radiomics, deep learning, and clinical factors for preoperative prediction of tumor
İlginizi Çekebilir: Frontiers | Akciğer embolizminde yapay zeka: Küresel araştırma eğilimleri ve gelecekteki perspektifler üzerine bir bibliyometrik analiz →
Kaynak: Frontiersin ↗
BENZER İNCELEMELER

İlgili Diğer Rehberler