GİRİŞ Renal Hücreli Karsinomda (RHK) cerrahi sonrası nüks riski, mevcut TNM evrelemesi ve nükleer derecelendirme sistemleri ile her zaman kesin olarak öngörülememektedir. Aynı evreye sahip hastaların farklı prognozlar göstermesi, tümör mikroçevresi ve konakçı yanıtını yansıtan yeni biyobelirteçlere duyulan ihtiyacı artırmaktadır. Böbrek hasarı molekülü-1 (KIM-1) ve sistemik enflamasyon (NLR), bu konuda potansiyel adaylardır. Ancak bu parametrelerin karmaşık etkileşimlerini analiz etmek için geleneksel yöntemler yetersiz kalabilmektedir. Bu çalışmanın amacı, klinikopatolojik faktörler, enflamatuar indeksler ve KIM-1 düzeylerini entegre eden yapay zeka (YZ) tabanlı modeller geliştirerek, nüks riskini yüksek doğrulukla tahmin etmektir.
GEREÇ VE YÖNTEM Çalışmaya, 2015-2020 yılları arasında İzmir Bozyaka Eğitim ve Araştırma Hastanesinde küratif cerrahi (radikal/parsiyel nefrektomi) uygulanmış ve adjuvan tedavi almamış 78 hastanın retrospektif verileri dahil edilmiştir. Çalışmada kullanılan KIM-1 belirteçlerinin temini, 2024 Türk Tıbbi Onkoloji Derneği Proje Destek Ödülü bütçesi ile gerçekleştirilmiştir. Bağımsız değişkenler; patolojik (T/N evresi, ISUP, histopatolojik tür), cerrahi, demografik ve laboratuvar (NLR/Hb, Kalsiyum, Kreatinin, KIM-1) parametrelerinden oluşturulmuştur. Hedef değişken, cerrahi sonrası 12. ve 24. aylardaki hastalıksız sağkalımdır (DFS). Veri madenciliği ile 3597 değişken kombinasyonu oluşturulmuş; Lojistik Regresyon ve Makine Öğrenmesi algoritmaları ile eğitilen modellerin performansı AUC ve Doğruluk metrikleriyle değerlendirilmiştir.
BULGULAR Analizler, çok değişkenli entegre modellerin tekli parametrelerden istatistiksel olarak üstün olduğunu göstermiştir. Çalışmanın en çarpıcı bulgusu, 24 aylık nüks riskini öngörmede en yüksek başarının (AUC: 0.90), klasik faktörlere (T Evresi, ISUP, NLR/Hb) KIM-1 düzeyinin eklendiği YZ modelinde elde edilmesidir. Bu model, standart risk skorlarına kıyasla belirgin bir performans üstünlüğü sergilemiştir. Katsayı analizleri, T evresi ve NLR/Hb'nin ağırlığını koruduğunu, ancak KIM-1 entegrasyonunun tümöral agresiviteyi daha hassas yansıtarak tahmin gücünü maksimize ettiğini kanıtlamaktadır.
SONUÇ Bu çalışma, RHK nüks öngörüsünde sadece anatomik yayılımın değil; tümör biyolojisi (KIM-1), sistemik enflamasyon ve cerrahi faktörlerin harmanlandığı hibrit modellerin değerini ortaya koymaktadır. Geliştirilen yüksek doğruluklu modeller, risk stratifikasyonu ve kişiselleştirilmiş takip protokollerinde klinisyenlere güçlü bir karar destek potansiyeli sunmaktadır.