Periferik Zon Lezyonlarında PI-RADS 3, 4 ve 5 Ayrımında Difüzyon Ağırlıklı Görüntüleme ve Multiparametrik Prostat MR

Read full text Summarise with VIRAT
Authors: Abdullah Enes Berksoy, Kamil Doğan, Adem Doğaner
Cited by: 0
References: 32

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Amaç: Multiparametrik manyetik rezonans görüntülemeye dayalı PI-RADS (Prostate Imaging Reporting and Data System) kategorizasyonu, prostat kanserinin erken saptanmasında kabul görmüş bir yöntem olup çeşitli revizyonlardan geçmiştir. PI-RADS 2.1, merkezler arası değerlendirmeyi standardize etmeyi amaçlayan bir skorlama sistemidir. PI-RADS 2.0 sonrası kazanılan deneyime dayanarak geliştirilen 2.1 sürümü önemli güncellemeler ve açıklamalar sunmakla birlikte, güncellenmeye devam eden dinamik bir yapıya sahiptir. Bununla birlikte, en güncel revizyonda dahi “hafif” veya “belirgin” gibi öznel kavramlar yer almaktadır. Kategorizasyonun iyileştirilmesi, objektif sayısal verilerle yeniden düzenlemeyi gerektirebilir. Prostat kanseri araştırmalarındaki ilerlemeler ve görüntüleme teknolojisindeki yenilikler, raporlama sisteminin gelecekteki sürümlerini şekillendirecektir. Gereç ve Yöntemler: Periferik zon kategorizasyonunun temelini oluşturan dijital ADC (Apparent Diffusion Coefficient) haritalama ölçümleri, patolojik olarak tanı almış PI-RADS 3, 4 ve 5 kategorilerindeki 91 periferik zon lezyonunda gerçekleştirildi. Ortalama ADC değerleri, aksiyel planda en belirgin kesitte en az 5 mm’lik alanı kapsayacak şekilde ölçüldü. Bulgular: ADC haritalama özelliklerine dayalı olarak istatistiksel açıdan anlamlı sayısal eşik (cut-off) değerleri belirlendi ve periferik zon lezyonlarında “hafif” veya “belirgin” tanımlamaları yerine kullanılabilecek objektif bir değer elde edildi. Sonuç: Elde edilen eşik değer, periferik zon lezyonlarının malignite riskinin öngörülmesine dayalı skorlama sürecinde kullanılabilir. Bu veriler, PI-RADS kategorizasyonunun revizyonuna katkı sağlayabilir. Böylece hem radyolog hem de klinisyen açısından tanısal doğruluk artırılabilir ve gereksiz biyopsilerin önüne geçilebilir.

Fields of Study & Subjects

Prostate Cancer Diagnosis and Treatment MRI in cancer diagnosis Radiomics and Machine Learning in Medical Imaging

Publication details

Journal / source
Kahramanmaraş Sütçü İmam Üniversitesi Tıp Fakültesi Dergisi
Volume
21
Issue
1
Pages
15–22
Publication date
28 March 2026
Language
TR