Erişkin tipi diffüz gliomlarda IDH mutasyonu ve Ki-67 düzeyinin MR-tabanlı radiomics analizi ile tahmini
Prediction of IDH mutation status and Ki-67 proliferation index in adult-type diffuse gliomas using MRI-based radiomics analysis
- Tez No: 1021470
- Danışmanlar: PROF. DR. AYNUR TURAN
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bakanlığı
- Enstitü: Ankara Etlik Şehir Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı, erişkin tipi diffüz gliomlarda IDH mutasyon durumu ve Ki-67 proliferasyon düzeyinin preoperatif MR tabanlı radiomics özellikler ve klinik-radyolojik değişkenler kullanılarak non-invaziv olarak öngörülebilirliğini değerlendirmektir. Gereç ve Yöntem: Retrospektif olarak tasarlanan bu çalışmaya, Kasım 2022–Aralık 2025 tarihleri arasında erişkin tipi diffüz gliom tanısı alan 155 hasta dahil edildi. Hastaların preoperatif T2, FLAIR, kontrastlı T1 ağırlıklı görüntüleri (T1C) ve ADC haritaları değerlendirildi. Tümör segmentasyonları manuel olarak yapıldı ve PyRadiomics kullanılarak her sekans için radiomics özellikler çıkarıldı. IDH mutasyon durumu ve Ki-67 proliferasyon indeksi patolojik veriler temel alınarak belirlendi. IDH-mutant/IDH-wild tip ve Ki-67 düşük/yüksek gruplarını ayırt etmek amacıyla klinik model, radiomics model ve klinik-radiomics birleşik model oluşturuldu. Logistic Regression, Support Vector Machine, Random Forest, k-Nearest Neighbors, Naive Bayes, Decision Tree ve Neural Network algoritmaları 5-katlı stratified çapraz doğrulama ile değerlendirildi. Model performansı AUC, doğruluk, sensitivite, spesifisite ve F1 skoru ile analiz edildi. Bulgular: Çalışmaya dahil edilen 155 hastanın 62'si IDH-mutant, 93'ü IDH-wild tip olarak sınıflandırıldı. Ki-67 proliferasyon indeksine göre 51 hasta düşük, 104 hasta yüksek Ki-67 grubunda yer aldı. IDH mutasyon durumunun öngörülmesinde en yüksek performans klinik modele dayalı Logistic Regression algoritmasında elde edildi (AUC=0.882). Radiomics modeller arasında IDH tahmini için en yüksek performans T1C sekansına dayalı Naive Bayes modelinde izlendi (AUC=0.820). Ki-67 düzeyinin öngörülmesinde ise en yüksek ayırt edici performans T1C sekansına dayalı radiomics modelde elde edildi (Naive Bayes AUC=0.854; Logistic Regression AUC=0.851). Tüm sekansların birlikte kullanılması, T1C sekansına kıyasla belirgin bir performans artışı sağlamadı. Klinik-radiomics birleşik model, her iki hedef değişken için de en iyi tekil modele kıyasla ek üstünlük göstermedi. Sonuç: Preoperatif MR tabanlı radiomics analizi, erişkin tipi diffüz gliomlarda özellikle Ki-67 proliferasyon düzeyinin non-invaziv öngörüsünde yararlı bir yardımcı araç olabilir. IDH mutasyon durumunun tahmininde ise yaş, kontrastlanma varlığı, kistik/nekrotik komponent ve tümör lateralizasyonu gibi klinik-radyolojik değişkenlerin güçlü belirleyici olduğu görülmüştür. T1C sekansı, hem IDH mutasyonu hem de Ki-67 düzeyi için en bilgilendirici radiomics sekans olarak öne çıkmıştır. Bununla birlikte, çalışmanın retrospektif ve tek merkezli yapısı, sınırlı örneklem büyüklüğü ve eksternal validasyon eksikliği nedeniyle bulguların daha geniş ve çok merkezli çalışmalarla doğrulanması gerekmektedir.
Özet (Çeviri)
Objective: This study aimed to evaluate the non-invasive predictability of IDH mutation status and Ki-67 proliferation level in adult-type diffuse gliomas using preoperative MRI-based radiomics features and clinical-radiological variables. Materials and Methods: This retrospective study included 155 patients diagnosed with adult-type diffuse glioma between November 2022 and December 2025. Preoperative T2-weighted, FLAIR, contrast-enhanced T1-weighted images (T1C) and ADC maps were evaluated. Tumor segmentations were performed manually, and radiomics features were extracted from each sequence using PyRadiomics. IDH mutation status and Ki-67 proliferation index were determined based on pathological data. Clinical, radiomics, and combined clinical-radiomics models were developed to distinguish IDH-mutant from IDH-wildtype tumors and low from high Ki-67 groups. Logistic Regression, Support Vector Machine, Random Forest, k-Nearest Neighbors, Naive Bayes, Decision Tree, and Neural Network algorithms were evaluated using 5-fold stratified cross-validation. Model performance was assessed using AUC, accuracy, sensitivity, specificity, and F1 score. Results: Among the 155 patients included in the study, 62 were classified as IDH-mutant and 93 as IDH-wildtype. According to the Ki-67 proliferation index, 51 patients were categorized into the low Ki-67 group and 104 into the high Ki-67 group. For the prediction of IDH mutation status, the highest performance was achieved by the Logistic Regression algorithm based on the clinical model (AUC=0.882). Among the radiomics models, the highest performance for IDH prediction was observed in the T1C-based Naive Bayes model (AUC=0.820). For the prediction of Ki-67 level, the highest discriminative performance was obtained with the T1C-based radiomics model (Naive Bayes AUC=0.854; Logistic Regression AUC=0.851). The combined use of all sequences did not provide a marked performance improvement compared with the T1C sequence alone. The combined clinical-radiomics model did not demonstrate additional superiority over the best single model for either target variable. Conclusion: Preoperative MRI-based radiomics analysis may serve as a useful adjunctive tool, particularly for the non-invasive prediction of Ki-67 proliferation level in adult-type diffuse gliomas. In the prediction of IDH mutation status, clinical-radiological variables such as age, presence of contrast enhancement, cystic/necrotic component, and tumor lateralization were found to be strong predictors. The T1C sequence emerged as the most informative radiomics sequence for both IDH mutation status and Ki-67 level. However, due to the retrospective and single-center design of the study, limited sample size, and lack of external validation, these findings should be confirmed in larger multicenter studies.
Benzer Tezler
- Erişkin tipi diffüz gliomların tiplendirilmesinde moleküler yöntemlere alternatif olarak immünhistokimyasal biyobelirteçlerin kullanımı
Use of immunohistochemical surrogate biomarkers as an alternativeto molecular methods in classifying adult-type diffuse gliomas
FATMA GÜNDOĞDU
Tıpta Uzmanlık
Türkçe
2023
PatolojiHacettepe ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. AYŞE FİGEN SÖYLEMEZOĞLU
- Hematoloji kliniğimizde son bir yılda değerlendirilen hematolojik maligniteli hastaların retrospektif olarak incelenmesi
Retrospective review of hematologic malignant patients evaluated in our hematology clinic in the last year
MEHMET YİĞİT RASTGELDİ
Tıpta Uzmanlık
Türkçe
2016
HematolojiHarran Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. TEVFİK SABUNCU
- Hacettepe Üniversitesi'nde izlenen çocuk hastalarda mastositoz hastalığı, türleri ve sistemik mastositoz sıklığı
The mastocytosis disease, classification and systemic mastocytosis frequency in Hacettepe İhsan Doğramacı Children's Hospital
SİBEL KAPLAN
Tıpta Uzmanlık
Türkçe
2019
HematolojiHacettepe ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. BÜLENT BARIŞ KUŞKONMAZ
DOÇ. DR. ÖZGE UYSAL SOYER
PROF. DR. SİBEL ERSOY EVANS
- Tiroid papiller karsinomu tanısı almış hastaların 2022 Dünya Sağlık Örgütü sınıfalamasına göre yeniden sınıflandırılması
Reclassification of patients diagnosed with thyroid papillary carcinoma according to the 2022 World Health Organization classification
EMRE ÜNAL
Tıpta Uzmanlık
Türkçe
2024
PatolojiErciyes ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. FİGEN ÖZTÜRK
- Van-Bahçesaray bölgesinde tiroid patolojileri ve iyot durumu ile ilişkisi
Başlık çevirisi yok
HAYATI AYAKTA
Tıpta Yan Dal Uzmanlık
Türkçe
2004
Endokrinoloji ve Metabolizma HastalıklarıYüzüncü Yıl Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. EKREM AKGÜN