Yazar "Şahin, Abdullah Fahri" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim Yok
    Öğe
    Artificial intelligence, machine learning, and radiomics in lung cancer classification
    (2025) elmas, Hatice; UGUZ, AYSUN HATICE; Şahin, Abdullah Fahri; ŞAHİN, Fahriye; Welker, Lutz
    Lung cancer is a highly heterogeneous disease that presents significant challenges in accurate diagnosis and classification due to its diverse histological and molecular characteristics. Traditional diagnostic methods, while valuable, are often limited by invasiveness, subjectivity, and an inability to fully capture tumor complexity. Recent advancements in artificial intelligence (AI), machine learning, and radiomics have transformed the field, offering enhanced precision, efficiency, and objectivity in lung cancer classification. These technologies enable detailed analyses of imaging data, histopathological findings, and molecular profiles, facilitating improved subtype identification, outcome prediction, and personalized treatment strategies. Cytopathology remains a cornerstone of lung cancer diagnostics, particularly for small biopsies and cytological samples, which are often the only materials available in advanced stages. The integration of AI-driven methods into cytopathology and radiomics workflows has shown substantial potential to overcome the limitations of traditional approaches, reduce interobserver variability, and accelerate the diagnostic process. This review underscores the transformative role of AI and radiomics in lung cancer management, highlighting their synergy in advancing precision oncology. As ongoing research continues to refine these methodologies, the future of lung cancer care is poised for significant advancements, offering improved diagnostic accuracy, personalized therapies, and better patient outcomes.
  • Küçük Resim Yok
    Öğe
    Mikroskoptan Yapay Zekâya: Küçük Hücreli Dışı Akciğer Kanserinde PD-L1 Testine Pratik Yaklaşım
    (2026) Uzel, Burak; Şahin, Abdullah Fahri; Elmas, Hatice; Welker, Lutz
    Amaç: PD-L1 immünohistokimyası (IHC), küçük hücreli dışı akciğer kanseri (KHDAK) olan bireylerde immün kontrol noktası inhibitörü (ICI) tedavisini yönlendiren temel bir prediktif biyobelirteç testidir. Ancak antikor klonlarındaki, derecelendirme sistemlerindeki ( Tümör Oranı Skoru ( TPS), Kombine Pozitif Skor (CPS), İmmün Hücre skoru (IC)) ve pre-analitik/analitik koşullardaki değişkenlik, özellikle KHDAK'ta küçük biyopsiler ve sitolojik örneklerde yorumlamayı ve tekrarlanabilirliği zorlaştırmaktadır. Bu derlemede, tümör heterojenliği, sitolojik kısıtlılıklar ve yapay zekâ (AI) tabanlı dijital patoloji araçlarının gelişen rolü vurgulanarak, KHDAK’ta PD-L1 testindeki güncel uygulamaları, zorlukları ve gelişmeleri gözden geçirmek amaçlanmıştır. Ayrıca radyomiklerin de dahil olduğu multimodal yaklaşımların doku temelli değerlendirmeyi nasıl tamamlayabileceğini ve ICI tedavisi için hasta seçiminde iyileşme sağlayıp sağlayamayacağını incelemeyi hedefledik. Gereç ve Yöntemler: Ocak 2020 ile Haziran 2025 arasında yayımlanmış çalışmalar taranarak, KHDAK’ta PD-L1 ekspresyonunu doğrulanmış klonlar (22C3, 28-8, SP263, SP142), sitoloji–histoloji uyumu, pre-analitik faktörler ve AI tabanlı PD-L1 skorlama platformları ile değerlendiren çalışmalar üzerine kapsamlı bir literatür taraması yapıldı. Veriler, teknik değişkenlikleri, yorumlayıcı farklılıkları ve ortaya çıkan dijital çözümleri ele alan tematik bir sentez ile analiz edildi. Bulgular: KHDAK’ta PD-L1 ekspresyonu, mekânsal heterojenite ve teknik değişkenliklerden etkilenmekte olup tanısal tutarsızlığa yol açmaktadır. Sitolojik örnekler, sınırlı mimari yapı ve fiksasyon artefaktları nedeniyle benzersiz zorluklar oluşturur. Gözlemciler arası değişkenlik, özellikle %1–49 TPS aralığında en yüksektir. AI destekli algoritmalar ve dijital platformlar, iyileştirilmiş tekrarlanabilirlik (κ 0.74’e kadar), doğruluk (%95’e kadar) ve klinik sonuçlarla olası korelasyon göstermiştir. Lunit SCOPE PD-L1 ve HALO Lung PD-L1 AI gibi ticari AI platformları, %92’ye varan doğruluk oranı elde etmiş ve sınırda sonuçlardaki yanlış sınıflandırma oranlarını %18–30 azaltmıştır. PET tabanlı görüntüleme kullanan radyomikler—SUVmax, metabolik tümör hacmi ve heterojenlik indekslerini içeren—özellikle doku örneklemesinin sınırlı olduğu durumlarda invaziv olmayan bir tamamlayıcı yöntem olarak umut vadetmektedir. Sonuç: Güvenilir PD-L1 testi, klonlara özgü validasyon, standart protokollere uyum ve örnek sınırlılıklarının farkında olunmasını gerektirir. AI tabanlı dijital patoloji ve radyomiklerin entegrasyonu, özellikle belirsiz veya sınırlı örneklerde tanısal doğruluğu artırabilir.
  • Küçük Resim Yok
    Öğe
    Patoloji numunelerinin akılcı laboratuvar kullanımı yönünden kesitsel olarak değerlendirilmesi: bir eğitim ve araştırma hastanesi örneği
    (2022) Şahin, Abdullah Fahri; KOCA, MEHMET; Deniz, Serdar
    Amaç: Malatya Eğitim ve Araştırma Hastanesi Patoloji Laboratuvarına gelen numunelerin Akılcı Laboratuvar kapsamında yaşa, cinsiyete, organa göre değerlendirilmesi ve patoloji laboratuvarlarının akılcı kullanımının sağlanmasına yönelik çözüm önerilerinin sunulması amacıyla yapılmıştır. Yöntem: Araştırma. 2019 yılında Malatya Eğitim ve Araştırma Hastanesi Patoloji Laboratuvarına gelen numunelerin tamamı (22365) üzerinden retrospektif olarak yapılmıştır. Bulgular: Çalışmada kullanılan patoloji numunelerinin %26.9’u (n=6026) erkek, %73.1’i (n=16339) kadın hastalara aittir. Patoloji tipi biyopsi olanların %32.7’si (n=5550) erkek, %67.3’ü (n=11430) kadın, patoloji numune tipi sitoloji olanların %8.8’i (n=476) erkek ve %91.2’si (n=4909) kadındır. Çalışmada kullanılan patoloji ve sitoloji (n=22365) örneklerinin sonucuna göre, olguların %84.3’ünün (n=18857) patoloji sonucu benign, %3’ünün (n=678) malign, %1.8’inin (n=403) uygunsuz materyal ve %10.9’unun (n=2427) şüpheli veya pre-malign numune olduğu belirlenmiştir. Sonuç: Patoloji laboratuvarlarında daha doğru ve hızlı sonuç verebilmek için patoloji hekimlerinin iş yüklerinin azaltılması gerekmektedir. Bunun için gereksiz istenen tetkiklerin azaltılması için tetkik isteyen hekim ve klinik bazında analizler düzenli olarak yapılmalı ve gerektiği durumlarda kök neden analizi yapılarak gerekli iyileştirmenin yapılması sağlanmalı ve numuneler için bakanlıkça azami sonuç verme süre hedeflerin belirlenmesi önerilmektedir.