Yazar "Elmas, Hatice" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Cytological Features of Spindle Cell Lesions of the Head and Neck and Review of the Literature
    (Karger, 2025) Ates, Kivilcim Eren; Uguz, Aysun Hatice; Kholova, Ivana; Aydogdu Yesiloglu, Asli; Gonlusen, Gulfiliz; Elmas, Hatice
    Introduction: Spindle cell lesions in the head and neck often mimic sarcomas but may include a wide range of benign and malignant entities. Fine-needle aspiration (FNA) is a minimally invasive method used to evaluate such lesions, though cytological interpretation can be challenging due to overlapping features. Methods: This retrospective study included 12 primary spindle cell lesions of the head and neck, selected based on inclusion/exclusion criteria. Papanicolaou and May-Gr & uuml;nwald-Giemsa stains were used for smear evaluation. Cell blocks were prepared, and cytological diagnoses were compared with histopathological outcomes. Results: The 12 cases were diagnosed as follows: nodular fasciitis (n = 2), schwannoma (n = 2), malignant peripheral nerve sheath tumor (n = 1), leiomyosarcoma (n = 1), liposarcoma (n = 1), rhabdomyosarcoma (n = 1), osteosarcoma (n = 3), and chondroblastoma (n = 1). Cytological features showed moderate correlation with final histology. Conclusion: FNA is a valuable, cost-effective tool for evaluating spindle cell lesions in the head and neck. While morphological overlap poses diagnostic limitations, ancillary techniques and molecular studies enhance its accuracy and clinical utility.
  • 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.