Geri Dön

Glioblastom IDH mutasyonunu saptamada MR görüntülemeye 'radiomics' ve makine öğrenmesinin katkısı

Predicting IDH mutation in glioblastoma: contribution of radiomics and machine learning to MR imaging

  1. Tez No: 641435
  2. Yazar: ELMİRE DERVİŞOĞLU
  3. Danışmanlar: PROF. DR. GÜR AKANSEL, DR. ÖĞR. ÜYESİ BURCU ALPARSLAN
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Glioblastom, IDH1 mutasyonu, Makine öğrenmesi, Radiomics, VASARI
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 66

Özet

Giriş ve amaç: İzositrat dehidrogenaz (IDH) mutasyonu glioblastomda en önemli bağımsız moleküler prognostik faktördür. Bu çalışmada, glioblastomda IDH1 mutasyonunu saptamada MR görüntülemeye radiomics ve makine öğrenmesinin katkısını araştırmak amaçlanmıştır. Gereç ve yöntem: Çalışmaya retrospektif olarak 78 hasta (15 IDH-mutant GBM, 63 IDHwild tip GBM) dahil edildi. Preoperatif MR görüntüleri Visually AcceSAble Rembrandt Images (VASARI) skorlaması ile değerlendirildi. T2A, FLAIR, postkontrast T1A ve ADC haritası görüntülerinden şekil tabanlı ve birinci, ikinci ve yüksek düzey texture özellikleri olmak üzere toplam 107 adet radiomics özelliği elde edildi. VASARI özellikleri ve radiomics özellikleri ayrı ayrı kullanılarak support vector machine, lojistik regresyon, k-nearest neighborhood, naive Bayes, decision tree, random forest ve neural network algoritmaları ile sınıflandırma yapıldı. Özellik azaltma yöntemi olarak information gain metodu, internal validasyon tekniği olarak stratified 10-fold cross-validation kullanıldı. Makine öğrenme algoritmalarının sınıflandırma performansı area under the curve (AUC), sensitivite, spesifisite ve doğruluk oranları ile değerlendirildi. Performans karşılaştırması McNemar testi ile yapıldı. p < 0.05 istatistiksel olarak anlamlı kabul edildi. Bulgular: Neural network algoritması hem VASARI (0.752 AUC, % 85 doğruluk, % 47 sensitivite, % 94 spesifisite) hem de radiomics özellikleri (0.826 AUC, % 87 doğruluk, % 60 sensitivite, % 94 spesifisite) ile yapılan sınıflandırmada en iyi performansı gösterdi. İstatistiksel olarak iki sınıflandırma arasında anlamlı fark yoktu (p=0.803). Naive Bayes algoritmasının ise radiomics özellikleri kullanarak yaptığı sınıflandırmanın IDH1 mutasyonunu saptamada sensitivitesi (% 87), VASARI özellikleri ile yaptığı sınıflandırmaya (% 60) göre anlamlı derecede yüksekti (p= 0.002). Sonuç: GBM'de IDH1 mutasyonunun belirlenmesinde radiomics özellikler kullanılarak yapılan makine öğrenmesinin sensitivitesi, VASARI skorlamasına kıyasla daha yüksekti.

Özet (Çeviri)

Introduction and purpose: Isocitrate dehydrogenase (IDH) mutation is the most important independent molecular prognostic factor in glioblastoma (GBM). In this study, it was aimed to investigate the contribution of radiomics and machine learning to MR imaging in predicting IDH1 mutation in GBM. Materials and methods: 78 patients (15 IDH-mutant GBM, 63 IDH-wild type GBM) were included in this retrospective study. Preoperative MR images were evaluated using Visually AcceSAble Rembrandt Images (VASARI) scoring. A total of 107 radiomics features, including shape-based, first, second and higher-order textural features, were extracted from T2W, FLAIR, post-contrast T1W, and ADC map images. Classifications were made with support vector machine, logistic regression, k-nearest neighborhood, naive Bayes, decision tree, random forest and neural network algorithms using VASARI features and radiomics features separately. Feature reduction was done with information gain method, and stratified 10-fold cross-validation was used as an internal validation technique. The performance of machine learning algorithms was evaluated with the area under the curve (AUC), sensitivity, specificity, and accuracy rates. McNemar's test was used to establish whether the classification with VASARI scoring is significantly different from classification with radiomics features. p

Benzer Tezler

  1. Glioblastom olgularında IDJ-1 mutasyonunun immünohistokimyasal ve real tıme PCR yöntemleri ile değerlendirilmesi ve radyolojik bulgular ile korelasyonu

    Evaluation of İDH-1 mutation in glioblastoma cases BY immunohistochemical and real-time PCR methods and its correlation with radiological findings

    UMAY KİRAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    PatolojiKocaeli Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM VURAL

  2. Liquid biopsy analysis in Glioma: Pre-operative detection of IDH1, IDH2 and tert gene mutations in circulating free tumor DNA

    Glıoma'da likit biyopsi analizi: Kanda dokaşan serbest tümör DNA'sındaki IDH1, IDH2 ve tert gen mutasyonlarının pre-operatif tespiti

    MAİDE NUR PAKSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    GenetikBahçeşehir Üniversitesi

    Sağlık Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TİMUÇİN AVŞAR

  3. Anaplastik oligodendrogliomda kromozom 1P ve 19q'daki kombine delesyonun, IDH-1 gen mutasyonu ve p53 protein ekspresyonu ile korelasyonu ve klinikopatolojik parametrelerle ilişkisi

    The correlation between chromosome 1P/19q combined deletion, IHD1 gene mutation P53 protein overexpression and clinicopathologic parameters in anaplastic oligodendroglioma

    UĞURAY PAYAM AHMEDMAULID

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    Moleküler Tıpİstanbul Üniversitesi

    Patoloji Ana Bilim Dalı

    PROF. DR. BİLGE BİLGİÇ

  4. Yüksek grade IDH mutant gliomlar ile IDH wild glioblastom ayrımında MR görüntüleme: Retrospektif araştırılması

    The role of magnetic resonance imaging in the differentiation of high grade idh mutant astrocytoma versus idh wild glioblastoma: retrospective based study

    EYÜP ÇAMURCUOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. AHMET MESRUR HALEFOĞLU

  5. Glial tümörü bulunan olgularda izositrat dehidrogenaz mutasyonu ve manyetik rezonans görüntüleme bulgularının karşılaştırılması

    Comparison the İDH mutation and mri findings in patients with glial tumors

    ADEM KOYUNCU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    PatolojiManisa Celal Bayar Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. SERDAR TARHAN