Radikal Prostatektomi Sonrası Biyokimyasal Nyöleme Için Bir Tahmin Modelinin Geliştirilmesi ve İçsel Doğrulaması

Summary

Bu retrospektif çalışma, 240 hastada radikal prostatektomi sonrası biyokimyasal nüks için öngörücü bir model geliştirdi ve iç doğruladı. Patolojik evre, lenf düğümü metastazı, pozitron emisyon tomografisi–pozitif lezyonlar ve SUV_max bağımsız öngörücülerdi. Model, ameliyat sonrası risk stratifikasyonu için güçlü ayrımcılık, kalibrasyon ve klinik fayda göstermiştir.

Abstract

Bu çalışma, prostat kanseri hastalarında radikal prostatektomi sonrası biyokimyasal nüks (BCR) için öngörücü bir model geliştirmek ve doğrulamayı amaçladı; klinik, patolojik, iltihap ve 18F-PSMA-1007 pozitron emisyon tomografisi/bilgisayarlı tomografi (PET/CT) görüntüleme parametrelerini içeriyordu. Bu retrospektif çalışma, Haziran 2022 ile Temmuz 2025 arasında radikal prostatektomi geçiren histopatolojik olarak doğrulanmış prostat adenokarsinomlu 240 hastayı içermiştir. BCR, ameliyat sonrası serum prostat-spesifik bir antijen (≥0.2 ng/mL) olarak tanımlandı. Ameliyat öncesi klinik değişkenler, sistemik bağışıklık enflamasyon indeksi (SII), PET/KT lezyon durumu ve maksimum standartlaştırılmış alım değeri (SUV_max) ile birlikte ameliyat sonrası patolojik aşamalama toplandı. Hastalar BCR (n = 64) ve BCR dışı (n = 176) gruplara ayrıldı. Tek değişkenli ve çok değişkenli lojistik regresyon analizleri, BCR'nin bağımsız öngörücülerini belirlemiştir. Çok değişkenli bir öngörücü model geliştirildi ve 70/30 eğitim–doğrulama bölünmesi kullanılarak dahili olarak doğrulandı. Model performansı, alıcı çalışma karakteristik eğrileri, eğrin altındaki alan (AUC), kalibrasyon ve karar eğrisi analizi kullanılarak değerlendirildi. BCR hastalarında daha ileri patolojik evre (pT3–4: %96,9 vs. %52,3, p <0,001), daha yüksek lenf düğümü metastazı oranları (%59,4 vs. %29,5, p < 0,001), daha yüksek SII (682,45 ± 118,23 vs. 637,08 ± 92,40, p = 0,002) ve daha yüksek SUV_maksimum değerleri (6,59 ± 1,34 vs. 4,92 ± 1,49, p < 0,001). Çok değişkenli analiz, patolojik aşama (OR = 36.814, p < 0.001), lenf düğüm durumu (OR = 7.286, p < 0.001), SUV_max (OR = 2.732, p < 0.001) ve PET-pozitif lezyonları (OR = 27.929, p < 0.001) BCR'nin bağımsız tahmincileri olarak gösterdi. Birleşik öngörücü model, eğitimde (AUC = 0.952) ve doğrulama kohortlarında (AUC = 0.927) mükemmel ayrımcılık sağladı. Kalibrasyon eğrileri, tahmin edilen ve gözlemlenen sonuçlar arasında uyum gösterdi ve karar eğrisi analizi, hepsini tedavi etme ve hiç tedavi etmeme stratejilerine kıyasla daha üstün net klinik fayda sağladı. Entegre model, mükemmel ayrımcılık ve klinik fayda sergileyerek bireyselleştirilmiş ameliyat sonrası risk tabakalaşmasını destekler.

Introduction

Prostat kanseri, dünya genelinde erkekleri etkileyen en yaygın malignitelerden biri olmaya devam etmekte olup, radikal prostatektomi, lokalize ^{1,2 hastalığı olan} hastalar için önemli bir tedavi seçeneğidir. Cerrahi tekniklerde ve hasta seçiminde iyileşmelere rağmen, biyokimyasal nüks (BCR) vakaların yaklaşık %20–%40'ında görülür; bu da kalıcı veya tekrarlayan hastalığı ve metastaz ile ölüm riskinin arttığını^{gösterir 2,3}. Prostatektomi sonrası BCR'nin doğru tahmini hâlâ zordur ve klinik, immünolojik ve ileri görüntüleme parametrelerini birleştirerek ameliyat sonrası gözetim ve adjuvan tedavileri yönlendiren daha etkili prognostik araçları gerektirir.

İltihap ve bağışıklık yanıtları, tümörün ilerlemesi ve nüklesinde hayati roller oynar. Periferik nötrofil, lenfosit ve trombosit sayılarından hesaplanan yeni bir inflamatuar biyobelirteç olan sistemik bağışıklık iltihabı indeksi (SII), çeşitli kanserlerde prognostik önem ^{göstermiştir 4,5,6}. Ayrıca, prostata özgü membran antijen tabanlı görüntüleme yöntemi olan 18F-PSMA-1007 pozitron emisyon tomografisi/bilgisayarlı tomografi (PET/CT), tekrarlayan hastalığı geleneksel görüntüleme yöntemlerinden daha erken tespit etme konusunda umut vaat^{etmiştir ve} böylece ameliyat sonrası prognostikleri potansiyel olarak iyileştirmiştir. Bu bütünleyici yaklaşım, hem sistemik inflamatuar biyobelirteçleri hem de gelişmiş moleküler görüntüleme parametrelerini dahil ederek geleneksel klinikopatolojik modellerin ötesine geçer. CAPRA-S skoru veya D'Amico sınıflandırması gibi yerleşik risk tabakalaştırma araçlarının aksine, bunlar öncelikle başlangıç klinikopatolojik parametrelerine dayanırken, önerilen yaklaşım dinamik sistemik inflamatuar indeksleri fonksiyonel moleküler görüntüleme bulgularıyla birleştirir.

Ancak, prostat kanserinin tekrarını tahmin etmede SII, patolojik tümör aşaması ve ileri görüntüleme yöntemleri gibi inflamatuar belirteçlerin (18F-PSMA-1007 PET/CT) entegrasyonunun klinik değeri belirsizdir. Bu nedenle, bu çalışma, radikal prostatektomi sonrası BCR için kapsamlı bir öngörü modeli oluşturmayı ve iç doğrulamayı amaçladı; bu faktörler risk tabakalaşmasını iyileştirmek, ameliyat sonrası hasta yönetimini optimize etmek ve erken müdahale stratejilerini kolaylaştırmak için bu faktörleri birleştirdi. Klinik olarak, bu model klinisyenlere kişiselleştirilmiş gözetim protokollerini özelleştirmelerine ve erken adjuvan müdahalelerden veya yoğun takipten fayda görebilecek yüksek riskli adayları belirlemelerine yardımcı olmayı amaçlamaktadır.

Protocol

Bu çalışma protokolü, Helsinki Bildirgesi'ne (Onay No: 230608-7) uygun olarak Sincan Tıp Üniversitesi Birinci Bağlı Hastanesi Etik Komitesi tarafından incelenip onaylandı. Bu retrospektif çalışmada, kimliği silinmiş hasta verilerinin yalnızca kullanılması nedeniyle bilgilendirilmiş onay muaf tutuldu ve bu veriler hasta bakımında potansiyel bir zarar veya etki yaratmadı.

Çalışma Tasarımı ve Hasta Seçimi
Bu retrospektif çalışma, Haziran 2022 ile Temmuz 2025 arasında radikal prostatektomi geçiren histopatolojik olarak doğrulanmış prostat adenokarsinomlu 240 hastayı içermiştir. Hastalar, Xinjiang Tıp Üniversitesi Birinci Bağlı Hastanesi'ndeki elektronik tıbbi kayıt sisteminde sistematik bir arama yoluyla tespit edildi. Seçim yanlılığını en aza indirmek için ardışık bir örnekleme yöntemi kullanıldı. Hastalar, ameliyat sonrası serum prostat-spesifik antijen (PSA) seviyelerine göre BCR grubu (n = 64) ve BCR dışı (n = 176) olarak sınıflandırıldı; BCR, ardışık iki ölçümle doğrulanan ≥0,2 ng/mL serum PSA seviyesi olarak tanımlandı. Dahil etme kriterleri şu şekildeydi: (1) histopatolojik olarak doğrulanmış prostat adenokarsinom; (2) radikal prostatektomi yapıldı; ve (3) tam klinik, patolojik ve görüntüleme verilerinin erişilebilirliği. Bu kriterler, iki deneyimli araştırmacı (Yubin Li ve Qizhou Zhang) tarafından bağımsız olarak uygulandı. Hasta uygunluğuyla ilgili anlaşmazlıklar, üçüncü bir kıdemli araştırmacıyla görüşme veya istişte yoluyla çözüldü. Dışlanma kriterleri şunlardı: (1) Gleason puanı <7; (2) ameliyat öncesi hormonal tedavi, kemoterapi veya radyoterapi veya eksik tıbbi kayıtların alınması; ve (3) PET/CT veya ameliyattan önce androjen yoksunluğu tedavisi, kemoterapi veya radyoterapi dahil neoadjuvan tedavi alınması. Dışlama kriterleri sıralı olarak uygulandı. Neoadjuvan veya ameliyat öncesi tedaviler alan hastalar önce hariç tutuldu, ardından Gleason puanı <7 ve son olarak önemli veri noktaları eksik olanlar geldi. Birden fazla dışlama kriterini karşılayan hastalar için ise hariç tutmanın birincil nedeni belgelendi. Klinik, patolojik veya görüntüleme verileri eksik veya eksik olan hastalar, öngörücü modelin sağlamlığını sağlamak için nihai analizden dışlandı. Geriye dönük çalışma tasarımı nedeniyle veri empleme yöntemleri uygulanmadı.

Klinik ve Patolojik Veri Toplama
Hasta yaşı, Gleason skoru, ameliyat öncesi serum PSA seviyeleri, patolojik tümör evresi, lenf düğümü tutulması ve ameliyat sonrası takip detayları dahil olmak üzere başlangıç klinik verileri, elektronik tıbbi kayıtlardan geriye dönük olarak çıkarıldı. Veri çıkarımı, elektronik tıbbi kayıtların iki bağımsız araştırmacı tarafından standart bir veri toplama formu kullanılarak manuel incelenmesiyle, tutarlılığı sağlamak için gerçekleştirildi. İki araştırmacı arasındaki herhangi bir tutarsızlık, orijinal tıbbi kayıtları inceleyen üçüncü bir kıdemli araştırmacıyla uzlaşarak veya istişare yoluyla çözüldü. Patolojik tümör evrelenmesi, Amerikan Kanser Ortak Komitesi TNM aşamalama sisteminin 8. baskısına göre sınıflandırılmıştır. Aşamalama verileri, hastane patoloji bölümü tarafından yayımlanan orijinal ameliyat sonrası patoloji raporlarından doğrudan alınmıştır. Doğruluk sağlamak için, tüm patolojik raporlar ve temsilci slaytlar, görüntüleme bulguları ve klinik sonuçlara kör olan deneyimli bir üropatolog tarafından ikincil olarak incelendi.

Sistemik İmmün İltihabı İndeksi (SII)
Tüm hastalardan ameliyat öncesi periferik kan örnekleri alındı. Kan örnekleri ameliyattan 7 gün önce venipunktur yoluyla alındı. Tüm hastaların temel stabilitesini sağlamak için örnek toplamadan önce en az 8 saat oruç tutmaları gerekti. Nötrofil, lenfosit ve trombosit sayıları dahil olmak üzere laboratuvar parametreleri, kurumumuzdaki tek bir merkezi klinik laboratuvarda standart otomatik hematoloji analizörleri kullanılarak işlendi ve analiz edildi. SII aşağıdaki denklem kullanılarak hesaplandı:

SII için optimal kesme değeri, r alıcı işletme karakteristikası (ROC) analizi ve Youden indeksi kullanılarak belirlendi. Cutoff değeri, veri odaklı ve R istatistiksel analiz yazılımındaki (sürüm 4.2.2) "pROC" paketi kullanılarak tüm veri setinden türetilmiştir. ROC analizi, birleşik duyarlılık ve özgüllüğü en üst düzeye çıkarmak için yapıldı ve ortaya çıkan eşik veriler hastaları yüksek SII ve düşük SII gruplarına kategorize etmek için kullanıldı.

18F-PSMA-1007 PET/CT görüntüleme protokolü ve analizi
Tüm hastalar, ameliyattan dört hafta önce 18F-PSMA-1007 PET/CT ile ameliyat öncesi görüntüleme yapıldı. Görüntülemenin cerrahiye göre zamanlaması standartlaştırıldı ve görüntüleme bulguları ile patolojik durum arasında tutarlılık sağlamak için görüntüleme-ameliyat aralığı 30 günü geçen hastalar dışlandı. Görüntüleme, 18F-PSMA-1007 için 4.0 MBq/kg intravenöz uygulandıktan sonra yapıldı. Radyoizleyici, bir siklotron ve otomatik bir sentez modülü kullanılarak yerinde sentezlendi. Her enjeksiyondan önce radyokimyasal saflık >%95 sağlamak için kalite kontrol prosedürleri gerçekleştirildi. Radyotracer dozu vücut ağırlığına göre standartlaştırıldı ve önemli bir doz sapması kaydedilmedi. PET/BT taramaları, enjeksiyondan yaklaşık 60 dakika sonra kafatası tabanından orta uyluk bölgesine özel bir PET/CT sistemi kullanılarak alındı. Taramalar Discovery VCT PET/CT tarayıcı kullanılarak gerçekleştirildi. BT alım parametreleri arasında 120 kV, otomatik tüp akımı modülasyonu (150–200 mA) ve 3,0 mm dilim kalınlığı yer alıyordu. PET görüntüleri, 192 × 192 veya 256 × 256 matris boyutlarıyla sıralı alt küme beklenti maksimizasyon algoritması kullanılarak yeniden oluşturuldu; bu boyutta uçuş zamanı ve nokta yayılım fonksiyonu düzeltmeleri kullanıldı.

PET/BT görüntüleri, klinik ve patolojik sonuçları görmeden iki deneyimli nükleer tıp hekimi tarafından bağımsız olarak analiz edildi. Gözlemciler arası anlaşma Cohen'in kappa katsayısı kullanılarak değerlendirildi. Lezyonun lokalizasyonu veya kategorisasyonundaki herhangi bir tutarsızlık, uzlaşı inceleme veya üçüncü kıdemli nükleer tıp doktoruyla görüşerek çözüldü. Görsel analiz, lezyonları pozitif (lokal nükleme, pelvik lenf düğümleri veya uzak metastazlar) veya negatif olarak kategorize etti. Lezyonlar Prostat Kanseri Moleküler Görüntüleme Standartlaştırılmış Değerlendirme kriterlerine göre pozitif olarak sınıflandırılmıştır. Özellikle, çevredeki arka plan aktivitesini aşan ve fizyolojik dağılımla (örneğin, üreter veya mesane aktivitesi) ilişkilendirilmeyen odak izleyici alımı, nüks veya metastaz göstergesi olarak kabul edildi. Ayrıca, şüpheli lezyonların maksimum standartlaştırılmış alım değeri (SUV_max) kaydedildi. İlgi alanları, PET görüntülerindeki odak alımını kapsayan üç boyutlu küresel hacim kullanılarak manuel olarak tanımlandı. Birden fazla lezyona sahip hastalarda, SUV_max ölçümü için en yüksek alıma sahip lezyon seçildi. Nicel görüntü analizleri Advantage Workstation yazılımı (sürüm 4.7) kullanılarak gerçekleştirildi.

Takip ve Biyokimyasal Tekrarlama Tanımı
Takip, ameliyattan sonra her üç ila altı ayda bir düzenli klinik ziyaretler ve serum PSA ölçümleri yapıldı. Tüm kohortun toplam takip süresi 8 ila 19 ay arasında değişiyordu. Takip aralıkları genellikle tüm hastalarda tutarlıydı. Planlanan ziyaretleri kaçıran hastalar için, takip bilgileri telefon görüşmeleri veya kurumumuzda mevcut en güncel ayakta tedavi kayıtlarının incelenmesi yoluyla güncellenmiştir. Minimum 6 aylık eşik öncesinde veya BCR olayının belgelenmesinden önce takipten kaybedilen hastalar, veri bütünlüğünü korumak için nihai analizden dışlandı. BCR, iki ardışık ölçümle doğrulanan ameliyat sonrası serum PSA seviyesi ≥0.2 ng/mL olarak tanımlandı. Doğrulayıcı PSA ölçümleri genellikle 4–8 hafta aralıklarla alındı. Bu BCR tanımı, makale boyunca tutarlı şekilde uygulanmış ve öngörücü modelin birincil son noktası olmuştur.

Alt Grup Analizi
Öngörücü modelin sağlamlığını değerlendirmek ve kısa takip süreleriyle ilişkili potansiyel yanlılığı azaltmak için, takip süreleri >12 ay olan hastalarda alt grup analizi yapıldı. Toplamda 133 hasta bu kriterleri karşılarken, ≤12 aylık takip sürelerine sahip 107 hasta alt grup analizinden dışlandı. Bu alt grupta, birincil analizde uygulanan aynı istatistiksel metodolojiyle çok değişkenli lojistik regresyon analizi daha sonra gerçekleştirilmiştir.

İstatistiksel Analiz
Sürekli değişkenler medyan ve aralık olarak sunulurken, kategorik değişkenler frekans ve yüzdeler olarak ifade edildi. Veri dağılımı Shapiro–Wilk testi kullanılarak değerlendirildi. Normal dağılımlı sürekli değişkenler ortalama ± standart sapma (SD) olarak sunuldu ve Öğrencinin t-testi kullanılarak karşılaştırıldı. Normal olmayan dağılıma sahip değişkenler medyan ve aralık olarak ifade edildi ve Mann–Whitney U testi kullanılarak karşılaştırıldı. Kategorik değişkenler, uygun olduğunda ki-kare testi veya Fisher'ın tam testi kullanılarak karşılaştırıldı. Analizden önce, ki-kare testi için varsayımlar doğrulandı; hücrelerin %20'sinden fazla %20'sinin beklenen <5 frekansına sahip olmadığı doğrulandı. Bu varsayımlar ihlal edildiğinde, istatistiksel geçerliliği sağlamak için Fisher'ın tam testi uygulandı.

BCR'yi tahmin etmek için çok değişkenli lojistik regresyon modeli geliştirildi ve SII, PET/CT_{SUV max}, görüntüleme pozitifliği ve patolojik tümör evresi gibi klinik olarak ilgili faktörleri içeriyordu. Tek değişkenli analizde p-değeri <0.05 olan değişkenler ile birlikte, önceki literatüre dayanan klinik olarak ilgili olarak kabul edilen değişkenler çok değişkenli modele dahil edilmiştir. Tahminciler arasında çoklu kollinearlık, varyans enflasyon faktörü kullanılarak değerlendirildi ve <5 değerleri kabul edilebilir sayıldı.

Öngörücü modelin iç doğrulaması, 70/30 tren-test bölünme yöntemiyle gerçekleştirildi. Veri seti, her iki kohortta BCR olay dağılımını korumak için stratifike örnekleme kullanılarak eğitim (%70) ve test (%30) kohortlarına rastgele bölündü. Tekrarlanabilirliği sağlamak için sabit rastgele bir tohum uygulandı. Model performansı, ROC eğrileri ve eğri altındaki alan (AUC) değerleri kullanılarak değerlendirildi. Kalibrasyon, Hosmer–Lemeshow uygunluk testi kullanılarak değerlendirildi. Ayrıca, entegre modelin klinik net faydasını değerlendirmek için karar eğrisi analizi yapıldı.

İstatistiksel analizler SPSS yazılımı (sürüm 26.0) ve R istatistiksel yazılımı (sürüm 4.2.2) kullanılarak gerçekleştirildi. ROC ve kalibrasyon analizleri için sırasıyla "pROC" ve "rms" istatistiksel analiz yazılım paketleri kullanıldı. İstatistiksel anlamlılık p < 0.05 olarak tanımlandı. Birincil sonuç takipte ikili BCR durumu olduğundan, model performansı ROC eğrileri ve AUC metrikleri kullanılarak değerlendirildi. Zamana bağlı ROC analizi yapılmadı çünkü tekrarlanma zaman noktaları kohort genelinde eşit şekilde kaydedilmedi. Analiz öncesinde veriler istisna değerler açısından tarandı ve dönüşüm gerektiren aşırı değerler tespit edilmedi. Sürekli değişkenler, klinik yorumlanabilirliği korumak için orijinal hallerinde analiz edildi.

Results

Temel Özellikler
BCR olan hastalarda önemli ölçüde daha ileri patolojik tümör evreleri (pT3–4: %96,9 vs. %52,3, p < 0,001), daha yüksek lenf düğümü metastazı oranları (%59,4 vs. %29,5, p < 0,001), yüksek SII değerleri (682,45 ± 118,23 vs. 637,08 ± 92,40, p = 0,002) ve PET/CT görüntülemesinde daha yüksek maksimum standart alım değerleri (SUV max) (SUV_max) (6,59 ± 1,34 vs. 4,92 ± 1,49, p < 0.001) BCR olmayan hastalarla karşılaştırıldığında. PET-pozitif lezyonlar, BCR olmayan gruplara göre BCR grubunda da anlamlı şekilde daha sıktı (%73,4 vs. %14,8, p < 0,001). Buna karşılık, yaş ve Gleason puan dağılımları iki grup arasında anlamlı bir fark göstermedi (Tablo 1).

Özellikler	BCR tekrarlama grubu (n = 64)	Tekrarlanmayan grup (n = 176)	İstatistiksel test	P değeri
Yaş (yıl), medyan (aralık)	68 (56–78)	67 (55–79)	U = 5034	0.208
Ameliyat öncesi PSA (ng/mL), ortalama ± SD	14.24 ± 6.253	16.20 ± 5.502	t = 2.216	0.029
Gleason puanı, n (%)			χ² = 6.346	0.175
7 (3+4)	4 (6.3)	30 (17.0)
7 (4+3)	15 (23.4)	38 (21.6)
8 (4+4)	19 (29.7)	37 (21.0)
9 (4+5)	10 (15.6)	35 (19.9)
10 (5+5)	16 (25.0)	36 (20.5)
Patolojik tümör evresi, n (%)			χ² = 40.607	<0.001
pT2	2 (3.1)	84 (47.7)
pT3–4	62 (96.9)	92 (52.3)
Lenf düğüm durumu, n (%)			χ² = 17.818	<0.001
Olumlu	38 (59.4)	52 (29.5)
Olumsuz	26 (40.6)	124 (70.5)
SII	682.45 ± 118.23	637.08 ± 92.40	t = 3.112	0.002
PET/CT SUVmax	6.59 ± 1.34	4.92 ± 1.49	t = 8.303	<0.001
PET-pozitif lezyonlar, n (%)			χ² = 76.317	<0.001
Olumlu	47 (73.4)	26 (14.8)
Olumsuz	17 (26.6)	150 (85.2)
Takip süresi (aylar), medyan (aralık)	11 (10–19)	13 (8–19)	U = 5422.5	0.66

Tablo 1: BCR olan ve olmayan hastaların başlangıç klinik, patolojik, iltihaplayıcı ve görüntüleme özellikleri. Sürekli değişkenler uygun ± ortalama standart sapma (SD) veya medyan (aralık) olarak sunulurken, kategorik değişkenler sayı (%) olarak sunulur. Grup karşılaştırmaları, uygun olduğunda Student's t-testi, Mann–Whitney U testi veya ki-kare (χ²) testi kullanılarak yapıldı. Kısaltmalar: BCR, biyokimyasal tekrar; PSA, prostata özgü antijen; SII, sistemik bağışıklık iltihabı indeksi; SUV_max, maksimum standart alım değeri; PET, pozitron emisyon tomografisi.

Biyokimyasal Tekrarın Tek Değişkenli ve Çok Değişkenli Lojistik Regresyon Analizi
Tablo 2, radikal prostatektomi sonrası BCR ile ilişkili faktörleri değerlendiren tek değişkenli ve çok değişkenli lojistik regresyon analizlerinin sonuçlarını özetlemektedir.

Değişken	Tek değişkenli OR (%95 GÜ)	P değeri	Çok değişkenli OR (%95 GÜ)	P değeri
Yaş (yıllar)	1.025 (0.985–1.067)	0.216	–	–
Ameliyat öncesi PSA (ng/mL)	0.941 (0.894–0.991)	0.021	0.973 (0.898–1.054)	0.498
Gleason puanı	1.145 (0.925–1.417)	0.214	–	–
Patolojik tümör evresi	28.304 (6.714–119.322)	<0.001	36.814 (5.930–228.533)	<0.001
Lenf düğümü durumu	3.485 (1.923–6.317)	<0.001	7.286 (2.264–23.445)	<0.001
SII	1.005 (1.002–1.008)	0.003	1.001 (0.996–1.006)	0.803
PET/CT SUVmax	2.302 (1.773–2.989)	<0.001	2.732 (1.768–4.221)	<0.001
PET-pozitif lezyonlar	15.950 (7.972–31.914)	<0.001	27.929 (8.662–90.313)	<0.001

Tablo 2: BCR ile ilişkili faktörlerin tek değişkenli ve çok değişkenli lojistik regresyon analizleri. Radikal prostatektomi sonrası BCR ile ilişkili klinik, patolojik, iltihaplayıcı ve görüntüleme değişkenleri için OR'lar ve buna karşılık gelen %95 GA değeri sunulmaktadır. Çok değişkenli lojistik regresyon modeline dahil edilen değişkenler, tek değişkenli analizdeki istatistiksel anlamlılık ve/veya belirlenmiş klinik önemlilik temelinde seçilmiştir. Kısaltmalar: BCR, biyokimyasal tekrar; OR, oran oranı; CI, güven aralığı; PSA, prostata özgü antijen; SII, sistemik bağışıklık iltihabı indeksi; SUVmax, maksimum standart alım değeri; PET, pozitron emisyon tomografisi.

Tek değişkenli lojistik regresyon analizinde, BCR ile önemli bir değişken ilişkilendirilmiştir. Daha yüksek ameliyat öncesi PSA seviyeleri, daha düşük nükleme olasılığıyla ilişkilendirildi (OR = 0,941, %95 GA: 0,894–0,991, p = 0,021). İleri patolojik tümör evresi (pT3–4 vs. pT2) BCR ile güçlü bir ilişki gösterdi (OR = 28.304, %95 GA: 6.714–119.322, p < 0.001). Lenf düğümü pozitifliği de nyöleme riski ile anlamlı ilişkilendirildi (OR = 3.485, %95 GÜ: 1.923–6.317, p < 0.001). Biyobelirteçle ilgili değişkenler arasında, yüksek SII değerleri (OR = 1.005, %95 GÜ: 1.002–1.008, p = 0.003), yüksek PET/CT_{SUV max} değerleri (OR = 2.302, %95 GÜ: 1.773–2.989, p < 0.001) ve PET-pozitif lezyonların varlığı (OR = 15.950, %95 GA: 7.972–31.914, p < 0.001) hepsi BCR riskinin artmasıyla anlamlı ilişkiliydi. Buna karşılık, yaş ve Gleason skoru tekrarla anlamlı ilişkili değildi.

Çok değişkenli lojistik regresyon modelinde, dört değişken BCR'nin bağımsız tahmincileri olarak kaldı. İleri patolojik tümör evresi tekrar riskiyle güçlü şekilde ilişkilendirildi (OR = 36.814, %95 GA: 5.930–228.533 , p < 0.001), aynı şekilde lenf düğümü metastazı da (OR = 7.286, %95 GA: 2.264–23.445, p < 0.001). PET/CT SUV_MAX da bağımsız olarak BCR ile ilişkilendirildi (OR = 2.732, %95 GÜ: 1.768–4.221, p < 0.001). PET-pozitif lezyonlar en güçlü bağımsız olarak nükleme ilişkisini gösterdi (OR = 27.929, %95 GA: 8.662–90.313, s . < 0.001). Ameliyat öncesi PSA seviyeleri ve SII değerleri çok değişkenli analizde istatistiksel olarak anlamlı değildi.

Model Performansı ve Doğrulama
Birleşik öngörücü model, BCR tahmini için güçlü ayrımcı performans gösterdi. Eğitim grubunda model, tüm bireysel tahmin edicileri geride bırakarak 0.952 (%95 GA: 0.915–0.990) bir AUC elde etti. Tek değişkenli tahmin ediciler arasında, PET/CT SUV_MAX (AUC = 0.793, %95 GA: 0.721–0.864) VE PET-POZITIF LEZYONLAR (AUC = 0.790, %95 GA: 0.715–0.864) EN YÜKSEK AYıRTıCı PERFORMANSı GÖSTERDI. Buna karşılık, patolojik tümör evresi orta derecede öngörücü performans gösterdi (AUC = 0.739), lenf düğümü durumu ve SII ise daha düşük öngörü doğruluğu gösterdi.

Doğrulama kohortunda, birleşik model mükemmel ayırt etme yeteneğini koruyarak 0.927 (%95 GA: 0.861–0.994) AUC ile öngörücü modelin sağlamlığını ve kararlılığını doğruladı. Bireysel tahmin edicilerin göreli performans sıralaması tutarlı kaldı; PET/CT_{SUV max} ve PET-pozitif lezyonlar yine en güçlü ayrımcı performansı gösterdi.

Her iki kohorttaki kalibrasyon grafikleri, BCR'nin tahmin edilen ve gözlemlenen olasılıkları arasında uyum sağladı; ancak ideal kalibrasyondan sapmalar gözlemlendi. Eğitim grubu –3.80 kalibrasyon kesişmesi ve 7.34 eğim elde ederken, doğrulama grubu –3.36 kesişme ve 6.37 eğim gösterdi. Kalibrasyon eğrileri genellikle referans çizgisini takip etse de, bu eğim değerleri potansiyel model aşırı uyum veya kalibrasyon kararsızlığını gösterdiği için temkinli yorumlanmalıdır (Şekil 1).

Şekil 1. Eğitim ve doğrulama kohortlarında birleşik öngörücü modelin performans değerlendirmesi. (A) Eğitim kohortunda birleşik model ile bireysel tahmincileri karşılaştıran ROC eğrileri. (B) Doğrulama kohortunda birleşik model ve bireysel tahmincileri karşılaştıran ROC eğrileri. (C) Eğitim kohortunda birleşik modelin kalibrasyon eğrisi, BCR'nin öngörülen ve gözlemlenen olasılıkları arasındaki uyumu gösterir. (D) Doğrulama kohortunda birleşik modelin kalibrasyon eğrisi. Çapraz kesik çizgi ideal kalibrasyonu, katı eğri ise model tarafından tahmin edilen olasılıkları temsil eder. Kısaltmalar: ROC, alıcı çalışma özelliği; AUC, eğrin altındaki alan; SII, sistemik bağışıklık iltihabı indeksi; SUV_max, maksimum standart alım değeri; LN_pos, lenf düğümü pozitifliği; PET_pos, pozitron emisyon tomografisi-pozitif lezyonlar; BCR, biyokimyasal tekrarlama. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Karar eğrisi analizi, birleşik öngörücü modelin klinik faydasını daha da destekledi. Eğitim kohortunda model maksimum net fayda 0.246 elde etti ve klinik olarak ilgili 0–0.50 eşik olasılık aralığında hem hepsini hem de hiç tedavi etme stratejilerini tutarlı şekilde geride bıraktı; bu da bireyselleştirilmiş ameliyat sonrası risk stratifikasyonu için potansiyel faydayı gösteriyor (Şekil 2).

Şekil 2. Birleşik öngörücü modelin karar eğrisi analizi. Karar eğrisi analizi, birleşik modelin çeşitli eşik olasılıklar arasında net klinik faydasını göstermektedir. Düz çizgi birleşik modeli, kesik çizgi her şeyi ödüllendirme stratejisini, noktalı çizgi ise ödül verme stratejisini temsil eder. Model, geniş eşik olasılıklar aralığında daha yüksek net fayda göstermekte olup, bireyselleştirilmiş ameliyat sonrası risk tabakalaşması için potansiyel klinik fayda sağlamaktadır. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Alt Grup Analizi (12 Ay > Takip Süreci)
Toplamda 133 hasta, ≤12 ay takip süreleriyle 107 hasta hariç tutularak alt grup analizine dahil edildi. Takip süreleri >12 ay (n = 133) olan hastalar arasında, çok değişkenli lojistik regresyon analizi patolojik tümör evresinin (OR = 36.814, %95 GA: 5.930–228.533, p < 0.001), lenf düğümü durumu (OR = 22.064, %95 GA: 3.275–288.367, p < 0.001), PET/CT_{SUV max} (OR = 10.245, %95 GA: 2.905–72.867, p = 0.004) ve PET-pozitif lezyonların (OR = 51.458, %95 GA: 8.940–530.327, p < 0.001) BCR ile anlamlı ilişkili kaldı. Buna karşılık, alt grup analizinde SII BCR ile bağımsız olarak ilişkilendirilmedi (OR = 1.004, %95 GA: 0.997–1.012, p = 0.255) (Tablo 3).

Parametreler	Oran oranı (%95 CI)	P değeri
Patolojik tümör evresi	36.814 (5.930–228.533)	<0.001
Lenf düğümü durumu	22.064 (3.275–288.367)	<0.001
SII	1.004 (0.997–1.012)	0.255
PET/CT SUVmax	10.245 (2.905–72.867)	0.004
PET-pozitif lezyonlar	51.458 (8.940–530.327)	<0.001

Tablo 3: >12 ay takip sürelerine sahip hastalarda BCR ile ilişkili faktörlerin çok değişkenli lojistik regresyon analizi. Çok değişkenli lojistik regresyon analizi, radikal prostatektomi sonrası BCR ile ilişkili öngörücülerin sağlamlığını değerlendirmek için takip süreleri >12 ay (n = 133) olan hasta alt grubunda gerçekleştirildi. Çok değişkenli modele dahil edilen tüm değişkenler için %95 güven aralıklarına (CI) karşılık gelen olasılık oranları (OR) sunulur. Kısaltmalar: BCR, biyokimyasal tekrar; OR, oran oranı; CI, güven aralığı; SII, sistemik bağışıklık iltihabı indeksi; SUV_max, maksimum standart alım değeri; PET, pozitron emisyon tomografisi.

Veri Erişilebilirliği:
Bu çalışma sırasında üretilen veya analiz edilen tüm veriler, bu yayımlanmış makalede ve onun ek bilgi dosyasında (Ek Tablo 1) yer almaktadır.

Ek Tablo 1: Öngörücü model geliştirme ve doğrulama için kullanılan tanımlanmamış hasta düzeyinde veri seti. Ek tablo, model geliştirme ve doğrulama için kullanılan teşhisi kaldırılmış hasta düzeyinde klinik, patolojik, iltihap, görüntüleme, takip ve sonuç değişkenlerini içerir. Değişkenler arasında SII, PET/CT_{SUV max}, PET/BT lezyon pozitiflik durumu, patolojik tümör evresi, biyokimyasal nüks (BCR) durumu, yaş, Gleason puanı, ameliyat öncesi PSA seviyesi, lenf düğümü durumu, takip süresi ve BCR'ye kadar geçen süre yer alır. Tüm hasta tanımlayıcıları, gizlilik ve kurumsal etik standartlara uyumu sağlamak için analiz öncesinde kaldırıldı. Kısaltmalar: SII, sistemik bağışıklık iltihabı indeksi; PET/CT, pozitron emisyon tomografisi/bilgisayarlı tomografi; SUV_max, maksimum standart alım değeri; BCR, biyokimyasal tekrarlama; Not olarak, prostata özgü antijen. Bu dosyayı indirmek için lütfen buraya tıklayın.

Discussion

Bu çalışmada, prostat kanseri hastalarında radikal prostatektomi sonrası BCR için kapsamlı bir öngörücü model geliştirdik; SII, patolojik tümör evresi, lenf düğüm durumu ve ameliyat öncesi 18F-PSMA-1007 PET/BT görüntüleme bulgularını entegre ettik. Model, 0.95 AUC ile mükemmel ayırtıcı performans gösterdi ve bu da çoklu biyolojik ve görüntüleme belirteçlerinin hassas risk tabakalaşması için birleştirilmenin faydasını vurguladı. Patolojik tümör evresi, BCR'nin güçlü ve bağımsız bir öngörücüsü olarak ortaya çıktı. İleri evre tümörlü hastalar (pT3b ve pT4) önemli ölçüde daha yüksek nükleme oranları göstermiştir; bu, tümör evrelenmesinin^{prognoz 1,2} için kritik belirleyici olduğunu kabul eden yerleşik literatürle uyumludur. Daha yüksek tümör evresi, kapsül dışı ekspansiyon ve seminal vezikül invazonu ile ilişkilidir; her ikisi de kötü onkolojik sonuçlarla^{ilişkilendirilmiştir 3}. Bu, yüksek riskli patolojik özelliklere sahip hastalarda erken adjuvan tedavilerin dikkatli ameliyat sonrası gözetim ve değerlendirilmesi gerekliliğini^{pekiştirmektedir 9}.

Preoperatif 18F-PSMA-1007 PET/BT görüntülemenin öngörücü modelimizdeki rolü özellikle dikkat çekicidir. Daha yüksek SUV_maksimum değerleri ve pozitif PET/BT taramalarına sahip hastalarda BCR riski önemli ölçüde arttı. Bu bulgular, prostata özgü membran antijeni (PSMA) PET görüntülemenin loko-bölgesel ve uzak tekrarları tespit etmede geleneksel görüntüleme yöntemlerine kıyasla üstün hassasiyet ve özgüllüğünü gösteren önceki araştırmalarla^{örtüşmektedir 10,11}. Alberts ve arkadaşlarının yaptığı bir meta-analiz, PSMA PET izleyicilerinin kullanımını daha da destekler ve daha yüksek SUV_maksimum değerlerinin agresif hastalık biyolojisi ile güçlü şekilde ilişkili olduğunu^{gösterir 7}. Özellikle, çalışmamızdaki SUV_maksimum eşiği (5.46), önceki çok merkezli denemelerde bildirilenlerle yakından örtüşüyor ve bu da dış geçerliliğini pekiştiriyor. Ayrıca, yeni çalışmalar, prostat kanseri olan hastalarda neoadjuvan tedaviye yanıt izlemede PSMA PET/CT'nin^{faydasını göstermiştir 12,13}. Ancak, kohortumuz ameliyat öncesi sistemik tedavi görmemiş hastalarla sınırlıydı, bu da terapötik müdahale öncesinde PET/BT ve inflamatuar biyobelirteçlerin doğal prognostik değerini değerlendirmemize olanak sağladı. 18F-PSMA-1007 PET/CT üstün görüntüleme hassasiyeti sunsa da, özellikle düşük kaynaklı ortamlarda, tüm sağlık sistemlerinde henüz yaygın olarak erişilebilir değildir. Modelimizin potansiyel uyarlanabilirliğini araştırmak için, yalnızca SII ve patolojik tümör evresini içeren basitleştirilmiş bir model kullanarak keşif analizi yaptık. Bu azaltılmış modelin öngörü performansı (AUC) tam modelden daha düşük olsa da, orta derecede ayrımcı gücünü korudu. Bu bulgu, basitleştirilmiş bir yaklaşımın, PSMA PET'in mevcut olmadığı durumlarda temel ameliyat sonrası risk tabakalaşmasına hâlâ yardımcı olabileceğini göstermektedir. Gelecekteki araştırmalar, bu basitleştirilmiş modelleri optimize etmeye veya daha geniş klinik fayda için yaygın olarak erişilebilen diğer biyobelirteçleri entegre etmeye odaklanabilir.

SII gibi sistemik inflamatuar belirteçler, konak bağışıklığı ile tümörü teşvik eden iltihap arasındaki etkileşimi yansıtır. Yükselmiş SII seviyeleri, kohortumuzda daha yüksek neks riskiyle ilişkilendirildi; bu, önceki meta-analizlerle uyumlu ve genitoürinar maligniteler üzerindeki prognostik değerini^{vurguladı 4,6}. SII çok değişkenli analizde istatistiksel anlamlılığa ulaşmasa da, birleşik modele kademeli bir değer katmış ve bu da onun yardımcı biyobelirteç olarak potansiyel rolünü vurgulamıştır. Özellikle, Li ve ark. ile Lolli ve ark. daha önce mesane ve metastatik prostat kanserlerinde yüksek SII ile kötü hayatta kalma arasındaki ilişkiyi^{göstermişti 5}. Ayrıca, SII'yi nötrofil-lenfosit oranı (NLR) veya trombosit-lenfosit oranı (PLR) gibi diğer hematolojik belirteçlere göre seçtik çünkü SII, konakçının iltihap ve bağışıklık yanıtına daha geniş bir bakış açısı sağlayan üç bağışıklık bileşenini (nötrofiller, lenfositler ve trombositler) içeriyor. Çeşitli karşılaştırmalı çalışmalar ve meta-analizler, sii'nin prostat kanseri ^6,14,15 dahil olmak üzere çeşitli katı tümörlerde NLR ve PLR'den üstün prognostik değere sahip olduğunu göstermiştir. Ayrıca, SII hasta popülasyonları arasında daha fazla tekrarlanabilirlik ve istikrar göstermiştir; bu da klinik ortamlarda risk tabakalaşması için umut vadeden bir aday^{olmuştur 16,17}.

SII, tek değişkenli analizde BCR ile anlamlı bir ilişki gösterse de, çok değişkenli modellemede bağımsız olarak anlamlı kalmamıştır. Bunun kollinearlıktan mı yoksa doğrusal olmayan etkilerden mi kaynaklandığını değerlendirmek için, dikotomini SII değerleri, z-skor normalizasyonu ve PET/BT bulguları ile tümör evresi ile etkileşim terimleri kullanılarak sonradan keşif analizleri yaptık. Bu yaklaşımlar istatistiksel olarak anlamlı iyileşmeler sağlamadı; bu da SII'nin sistemik iltihabı yansıtmasına rağmen, daha güçlü görüntüleme ve patolojik öngörücüler varlığında kademeli prognostik değerinin sınırlı olabileceğini göstermektedir. Daha büyük örneklem büyüklükleriyle yapılan gelecekteki çalışmalar, çok modlu risk modellerinde inflamatuar biyobelirteçlerin bağlamsal rolünü daha iyi belirleyebilir. Birden fazla değişkenin tek bir öngörü çerçevesine entegre edilmesi, tek tek faktörlere kıyasla prognostik doğruluğu artırır. Onkoloji araştırmalarındaki son gelişmeler, hasta bakımını kişiselleştirmek için klinik, görüntüleme ve moleküler parametreleri içeren çoklu modal modellerin üstünlüğünü vurgulamaktadır. Entegre modelimiz, bireysel tahmin edicilerin öngörü doğruluğunu önemli ölçüde geride bırakarak bütüncül risk değerlendirmesine yönelik bu paradigma değişimini destekledi. Benzer bulgular, PSMA–PET bulgularını genomik^{sınıflandırıcılar 18} ile birleştiren modellerde de rapor edilmiştir; bu modellerde erken BCR tahmininde 0.90'ın üzerinde AUC değerleri elde edilmiştir. Ameliyat öncesi PSA seviyeleri, Gleason puanı, cerrahi kenar durumu ve lenf düğüm katılımı gibi geleneksel klinikopatolojik faktörler BCR^19,20 için iyi bilinen prognostik göstergeler olsa da, çalışmamız kasıtlı olarak SII, 18F-PSMA-1007 PET/BT görüntüleme özellikleri ve patolojik tümör evresini birleştiren yeni bir entegre modele odaklandı. Bu yaklaşım, ortaya çıkan biyolojik ve görüntüleme biyobelirteçlerinin geleneksel değişkenlerin ötesinde öngörücü faydasını değerlendirmeyi amaçladı. Cerrahi marj durumu, hasta kayıtlarındaki tutarsız dokümantasyon nedeniyle hariç tutuldu. Son çok değişkenli modelde lenf düğümü durumu dahil edilmiş olsa da, patolojik tümör evresi ile potansiyel çok kollineerlik model geliştirme sırasında dikkatlice değerlendirildi. Buna rağmen, gelecekteki modellere ek geleneksel klinik tahmin cihazlarının dahil edilmesinin öngörü doğruluğunu ve klinik uygulanabilirliği daha da artırabileceğini kabul ediyoruz. SII ve PSMA PET/CT'nin belirlenmiş klinik değişkenlerle birleştirildiğinde katkı değerini değerlendiren karşılaştırmalı çalışmalar gerekmektedir.

Ayrıca, modelimizin olumlu performansı, yüksek nüks riski taşıyan hastaların erken teşhisinin kişiselleştirilmiş adjuvan stratejiler ve daha yakın ameliyat sonrası izleme imkanı sağladığı hassas onkolojideki gelişen^{yaklaşımları tamamlamaktadır 21}. SII gibi biyolojik belirteçlerle gelişmiş görüntülemenin entegre edilmesi, hastaların klinik yolunda ilerledikçe uzunlamasına güncellenen dinamik risk modellerinin yolunu açabilir. Prostat Risk Değerlendirmesi Ameliyat Sonrası Kanser (CAPRA-S) skoru ve Stephenson nomogramı dahil olmak üzere yaygın kullanılan birkaç nomogram, PSA seviyesi, Gleason skoru, cerrahi marj durumu ve lenf düğümü katılımı gibi geleneksel klinik ve patolojik faktörlere dayanarak radikal prostatektomi sonrası BCR'yi tahmin etme açısından doğrulanmıştır. Bu modeller değerli ve iyi kurulmuş olsa da, biyolojik veya moleküler görüntüleme belirteçleri içermemektedir. Örneğin, son çalışmalar 68Ga-PSMA PET görüntülemenin prognostik değerini göstermiş ve bunun gelişmiş yünleme riski stratifikasyonu için CAPRA-S ile entegre edilmesini^{önermiştir 22}. Modelimiz, sistemik iltihabı (SII aracılığıyla) ve yüksek duyarlılık görüntülemeyi (18F-PSMA-1007 PET/CT aracılığıyla) entegre ederek bu yaklaşımları tamamlıyor; böylece bireysel risk tabakalaşması için daha iyi granülerlik sunabilir. Gelecekteki araştırmalar, gelişmiş nomogramları yeni biyobelirteçlerle birleştirerek daha iyi prognostik doğruluk için hibrit modelleri inceleyebilir.

Yine de, bu çalışmanın sınırlamaları vardır. Analizimiz geriye dönük ve tek bir kurumla sınırlıydı, bu da seçim yanlılığını potansiyel olarak ortaya çıkardı. Medyan takip süresi 15 ay, erken nüks olayları için yeterli olsa da, metastaz olmayan sağkalma ve kansere özgü ölüm gibi uzun vadeli sonuçların değerlendirilmesini sınırlamaktadır. Bulgularımızı doğrulamak ve model kalibrasyonunu geliştirmek için daha büyük, ileriye dönük, çok merkezli kohortlar gerekmektedir. Ayrıca, genomik risk skorlarının ve PET/CT'den türetilen radyomik özelliklerin gelecekteki entegrasyonu, tahmin kesinliğini daha da artırabilir²³. Bu çalışmanın bir diğer önemli sınırlaması, nispeten sınırlı örneklem büyüklüğüne sahip retrospektif, tek merkezli tasarımıdır ve bu da öngörücü modelin genellenebilirliğini etkileyebilir. 70/30 tren-test bölünmesiyle yapılan iç doğrulama mükemmel model performansını gösterse de, daha büyük, çok merkezli kohortlarla dış doğrulama, tekrarlanabilirliğini ve farklı klinik ortamlarda uygulanabilirliğini doğrulamak için gereklidir. Şu anda, bu modeli dışarıdan doğrulamak için çok merkezli bir prospektif çalışma planlıyoruz; bu, ameliyat sonrası karar alma süreçlerinde tahmin doğruluğu, kalibrasyon ve gerçek dünya faydasının daha sağlam değerlendirilmesini sağlayacak. Ayrıca, BCR'yi modellemek için lojistik regresyonun kullanılması da bir sınırlamadır. Cox orantılı riskleri modellemesi, tekrarsız hayatta kalma analizi için ideal olsa da, çalışmamız sabit bir takip süresi içinde BCR durumunu tahmin etmeye odaklandı. Ayrıca, nüklenmenin tam zamanlaması tüm hastalar için eşit şekilde kaydedilmemiş, bu da olay analizinin uygulanabilirliğini sınırlamıştır. Gelecekteki prospektif çalışmalar, standart takip aralıklarıyla Cox regresyonunu kullanarak risk tahminini daha da geliştirmek için hayatta kalma modellemelerine olanak tanıyacaktır. Standart ROC eğrilerinin kullanımının, zamana bağlı yünleme riskindeki değişimleri tam olarak kapsayamayabileceğini kabul ediyoruz. Zamana bağlı ROC analizi, hayatta kalma sonuçlarının modellenmesi için daha uygundur ve model performansını değerlendirmek için standartlaştırılmış ve uzun vadeli takip verileriyle gelecekteki çalışmalara dahil edilebilir.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
18F-PSMA-1007	Shaanxi Zhengze Biotechnology Co., Ltd., China	18F-PSMA-1007	Prostat kanseri lezyonlarının PET/BT görüntülemesinde kullanılan radyotracer
Advantage Workstation yazılımı	GE Healthcare, Chicago, IL, ABD	Versiyon 4.7	PET/BT görüntü işleme, ilgi alanı bölgesi tanımı ve SUVmax niceliği için kullanılır
Kan analizörü	Mindray Bio-Medical Electronics Co., Ltd., China	6000PLUS	SII hesaplaması için nötrofil, lenfosit ve trombosit sayımlarının ölçülmesi için kullanılır
PET/BT tarayıcı	GE Healthcare, Chicago, IL, ABD	Discovery VCT	Tam vücut PET/BT görüntü alımı için kullanılır
ROI/görüntü analizi yazılımı	GE Healthcare, Chicago, IL, ABD	Advantage Workstation yazılımı (sürüm 4.7)	Görüntü inceleme ve nicel lezyon analizi için kullanılır
R yazılım ortamı	R Foundation for Statistical Computing, Vienna, Avusturya	Sürüm 4.2.2	İstatistiksel analiz, ROC analizi ve model kalibrasyonu için kullanılır
SPSS istatistik yazılımı	IBM Corp., Armonk, NY, ABD	Sürüm 26.0	İstatistiksel analiz için kullanılır