Akciğerin en karmaşık tümör gruplarından biri olan nöroendokrin neoplazilerin (NEN) teşhis ve tedavisinde, yapay zeka ve dijital patoloji yöntemleri ezber bozmaya hazırlanıyor.

Akciğerin nöroendokrin neoplazileri (NEN), iyi huylu veya yavaş ilerleyen karsinoid tümörlerden, en agresif kanser türleri arasında yer alan yüksek dereceli nöroendokrin karsinomlara kadar uzanan çok geniş ve kafa karıştırıcı bir biyolojik spektruma sahiptir. Dünya Sağlık Örgütü (DSÖ) sınıflamasında bu tümörlerin ayrımı geleneksel olarak mikroskop altında mitoz sayımı ve nekroz varlığı gibi morfolojik özelliklere dayanır. Ancak özellikle "Tipik" ve "Atipik" karsinoidlerin birbirinden ayrıldığı gri bölgelerde patologlar sıklıkla zorlanmaktadır. Güncel DSÖ sınıflamasında doğrudan yer almayan, ancak yıllardır literatürde tartışılan Ki67 proliferasyon indeksi, kapsamlı bir bilimsel çalışmayla yeniden masaya yatırıldı.

Ege Üniversitesi Tıp Fakültesi Tıbbi Patoloji Anabilim Dalı arşivindeki 142 olgunun incelendiği bu dev nitelikteki araştırma; farklı Ki67 değerlendirme yöntemlerinin birbiriyle uyumunu, tanısal güçlerini ve prognostik (geleceğe yönelik öngörü) değerlerini ilk kez bu denli kapsamlı şekilde gözler önüne serdi.

Geleneksel Gözün Ötesi: Beş Farklı Yöntem Nasıl Karşılaştırıldı?

Çalışmada, hücre bölünme hızını ve tümörün agresifliğini gösteren Ki67 proliferasyon indeksi beş farklı modern ve klasik yöntemle hesaplandı:

Elde edilen bulgular, tüm bu yöntemlerin birbiriyle mükemmel bir uyum içinde çalıştığını (Sınıf İçi Korelasyon Katsayısı 0,969), ancak aralarında sistematik değer farkları bulunduğunu kanıtladı. En yüksek değerler klasik görsel tahminde görülürken, en hassas ve düşük değerler dijital alan ölçümlerinde elde edildi. Bu durum, patolojide standardizasyonun ne kadar hayati olduğunu bir kez daha gözler önüne serdi.

Karsinoid ve Nöroendokrin Karsinom Ayrımında Mükemmel Başarı

Araştırmanın en çarpıcı sonuçlarından biri, karsinoidler ile nöroendokrin karsinomlar (NEK) arasındaki keskin çizgiyi Ki67 indeksinin kusursuz bir şekilde ortaya koyması oldu. Tüm değerlendirme yöntemleri, bu iki ana grubun ayrımında mükemmele yakın bir performans (0,999 ila 1,000 arasında değişen AUC değerleri) sergiledi.

Buna karşın, klinikte patologları en çok zorlayan alan olan Tipik Karsinoid (TK) ve Atipik Karsinoid (AK) ayrımında durum biraz daha farklıydı. Klasik görsel tahmin yöntemi bu iki alt grubu ayırt etmede istatistiksel anlamlılık sağlayamazken, diğer dijital ve kantitatif yöntemler orta-iyi düzeyde bir ayrım gücü ortaya koydu. Bu sonuç, dijital patolojinin insan gözünün kaçırabileceği ince detayları yakalamadaki üstünlüğünü kanıtladı.

Metastazı Önceden Görmek Mümkün mü?

Çalışmanın karsinoid tümörler üzerindeki bir diğer önemli bulgusu ise Ki67 indeksinin metastazı öngörme gücü oldu. Karsinoid vakalarında Ki67 indeksi, metastaz gelişimi açısından güçlü bir belirteç (AUC 0,824–0,912) olarak öne çıktı. Ayrıca karsinoidlerde 2 santimetreden büyük tümörlerin metastazla daha fazla ilişkili olduğu saptandı. Öte yandan, yüksek dereceli nöroendokrin karsinomlarda ise genel sağkalımın en güçlü bağımsız belirleyicisinin yaş, hastalıksız sağkalımın ise tümör ilişkili immün yanıt olduğu tespit edildi.

Bilim Dünyası İçin Yepyeni Bir Ufuk

Gerçekleştirilen bu kapsamlı araştırma, Ki67 proliferasyon indeksinin akciğer nöroendokrin neoplazileri dünyasında sadece bir "destekçi" değil, tanı doğruluğunu artıran güvenilir bir rehber olduğunu kanıtladı. Dijital patoloji ve yapay zeka araçlarının görsel tahmine kıyasla sunduğu tekrarlanabilirlik, gelecekte patoloji laboratuvarlarının standart iş akışını kökten değiştirecek gibi görünüyor. Kanser teşhisinde "gri alanların" aydınlatıldığı bu yeni dönem, hastalar için daha net tanı ve daha doğru tedavi planlamalarının kapısını aralıyor.

Kaynak: Melih Çağlayan, 2026, Tıpta Uzmanlık Tezi, Ege Üniversitesi, Tıp Fakültesi, Patoloji Anabilim Dalı, Tümör Patolojisi Bilim Dalı (Danışman: Prof. Dr. Deniz Nart); Ege Üniversitesi Tıp Fakültesi Tıbbi Patoloji Anabilim Dalı Arşivi (2010–2024 Dönemi 142 Olgu); Dünya Sağlık Örgütü (DSÖ) 2021 Torasik Tümörler Sınıflaması. Tez No: 1028023

Muhabir: Merve Kiraz