کاربرد شبکه عصبی مصنوعی در پیش بینی هیپوتیروئیدیسم بدنبال رادیوتراپی پستان و مقایسه آن با مدلهای رادیوبیولوژیک متداول

Abstract

در این مطالعه با استفاده از مدلسازی رادیوبیولوژیک و شبکه ی عصبی مصنوعی تخمین عارضه کم کاری تیروئید به دنبال پرتودرمانی بیماران سرطان پستان که سوپراکلاویکولار آنها تحت تابش قرار می گیرد، انجام شد. رابطه دوز-پاسخ غده تیروئید این بیماران با استفاده از این روش ها تعیین و پارامترهای مدل ها محاسبه شد. مواد و روش : داده های کلینیکی و هیسیتوگرام های دوز -حجم 52 بیمار با سرطان های پستان که با تکینیک 3DCRT درمان شده بودند به صورت آینده نگر آنالیز شد. ارزیابی کارکرد تیروئید هر بیمار با استفاده از آزمایش هورمون های تیروئید هر 3 ماه یکبار انجام شد. با استفاده از فرمول خطی-درجه دوم، هیستوگرام های دوز-حجم تیروئید به دوزهای معادل GY2 در هر جلسه تبدیل شد (α⁄β=3Gy). از 2 مدل رادیوبیولوژیک LKB، Log-logisticو همچنین از شبکه ی عصبی مصنوعی برای محاسبه ی NTCP غده تیروئید بیماران سرطان پستان استفاده شد. عملکرد و رتبه بندی مدل های رادیوبیولوژیک به ترتیب با استفاده از سطح زیر منحنی (AUC ) و شاخص معیار اطلاعاتی WAIC انجام شد. عملکرد و درستی شبکه عصبی مصنوعی نیز با استفاده از متلب و مقدار MSE و R مشخص شد. پارامترهای مدل ها با استفاده از روش تخمین احتمال بیشینه، با برازش مدل ها با داده های کلینیکی بیماران بدست آمد. یافته ها: 21 بیمار از 52 بیمار در بازه زمانی 12 ماه پس از پرتودرمانی مبتلا به هیپوتیروئیدیسم شدند. متوسط دوز میانگین غده تیروئید 24/18 گری به دست آمد. متوسط NTCP محاسبه شده با دو مدل LKB و Log-logistic به ترتیب 49.87% و 49.23% محاسبه گردید. بر اساس AUC، در بین 2 مدل رادیوبیولوژیک، مدل Log-logistic عملکرد بالاتری دارد و براساس شاخص WAIC، مدل Log-logistic بعنوان بهترین مدل رتبه بندی شد. در شبکه عصبی مصنوعی میزان خطا برای قسمت آموزش 146/0 و برای قسمت تست 128/0 به دست آمد. مجذور میانگین مربعات برای آموزش 3937/0 و برای تست 556/0 به دست آمد. میانگین پارامتر D50 تخمین زده شده از مدل ها برای غده تیروئید، Gy61/31 بدست آمد.