Geri Dön

Açık kaynaklı klinik kanser verilerinin R-Shiny uygulaması ile yapay zeka tabanlı web arayüzü destek sisteminin geliştirilmesi

Development of artificial intelligence based web interface support system with R-Shiny application from open source clinical cancer data

  1. Tez No: 684143
  2. Yazar: HÜSEYİN KORAY MISIRLIOĞLU
  3. Danışmanlar: DOÇ. DR. GİZEM ÇALIBAŞI KOÇAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Onkoloji, Computer Engineering and Computer Science and Control, Biostatistics, Oncology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Onkoloji Ana Bilim Dalı
  12. Bilim Dalı: Translasyonel Onkoloji Bilim Dalı
  13. Sayfa Sayısı: 125

Özet

Kanser hastalarında hastalığın prognozu, sınıflandırılması, tedavi stratejilerinin optimizasyonu ve klinik çalışmaların tasarımı için önemlidir. Bu çalışma, kolon kanseri tanısı alan hastalarda hastaya ait sağkalımın sınıflandırmaya dayalı makine öğrenmesi teknikleri kullanılarak tahminlenebilmesi amacıyla yapıldı. Çalışmaya NCI'nın açık erişimli GDC portalındaki“TCGA-COAD”projesinden alınan 454 hastaya ait klinik ve genomik verileri dahil edildi. Klinik verilere uygulanan Kaplan-Meier sağkalım analizi sonucunda anlamlı çıkan parametrelerle gen ekspresyon verilerinin analizi sonucunda sağkalımla anlamlı ilişki içerisinde olduğu görülen dokuz farklı gen risk grubu olarak kullanıldı. Analizler R dilinde yazılan kodlarla gerçekleştirildi. R dilinde yazılan kodları geliştirme aracı olarak RStudio kullanıldı. Risk grupları sınıf etiketi olarak kullanılarak tahminler gerçekleştirildi. Seçilen klinik ve genomik parametreler; Naive Bayes, Destek Vektör Makinesi, Rastgele Orman ve C4.5 Karar Ağacı makine öğrenmesi algoritmalarıyla değerlendirildi. 10 kat çapraz doğrulama yöntemiyle test verisetleri oluşturularak model değerlendirmesi yapıldı. Tahminleme modeli Shiny aracılığıyla web arayüzü kullanılarak kamuya açık yapay zeka tabanlı klinik karar desteği sistemine dönüştürüldü. Çalışmanın sonuçlarına göre; en doğru sağkalım tahmininde bulunan makine öğrenmesi algoritma modelinin Rastgele Orman algoritması olduğu, klinik ve genomik verilerin birlikte kullanılmasının algoritma performansını arttırdığı (%76,2) görüldü. Onkoloji alanında prognoz ve sağkalım sonucuna odaklanan yapay zeka temelli klinik karar destek sistemi modelleri; hasta yaşam kalitesini ciddi anlamda etkileyebilecek kemoterapi tedavilerine başvurulmadan önce tedavinin uygulanmaya değer olup olmadığı konusunda hekim, hasta ve hasta yakınları için bir öngörü olması bakımından önemlidir. Prognoz ve sağkalım analizi yapabilen buna benzer sistemlerin geliştirilip iyileştirilmesi hastalığın yönetimini daha kolay hale getirecek ve hasta için daha doğru kararlar alınmasında yardımcı olacaktır.

Özet (Çeviri)

Accurate prognosis of cancer patients is important for optimizing treatment strategies, and designing clinical trials. This study was conducted to estimate the survival of the patients diagnosed with colon cancer using machine learning techniques based on classification. The study included clinical and genomic data of 454 colon cancer patients from the NCI“TCGA-COAD”project on the open access GDC portal. Clinical and genomic parameters that were found to be significantly associated with survival were used as risk groups. Analyzes were carried out with codes written in R language. Estimates were made using risk groups as class labels. Selected clinical and genomic parameters; was evaluated with four different algorithms. Model evaluation was performed by creating test data. The prediction model was transformed into AI-based CDSS (Clinical Decision Support System) using the web interface via Shiny. According to the results of the study; It was seen that the machine learning algorithm that predicted the most accurate survival was the Random Forest. In addition, it was seen that the use of all clinical and genomic data together increased the algorithm performance (76.2%). AI-based CDSS models that are focus on survival outcome in the field of oncology are important in terms of providing foresight for physicians and patients about whether it is worth applying the chemotherapy treatment which might seriously affect the patients. Developing and improving such systems will make the management of the disease easier and help make more accurate decisions for the patient.

Benzer Tezler

  1. Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images

    Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu

    NEFİSE UYSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

    ÖĞR. GÖR. MURAT GEZER

  2. Mikrodizin kaynaklı genotip bilgisi kullanılarak kopya sayısı değişikliklerinde mozaiklik oranının saptanması

    Determination of mosaicism ratio in copy number variations using microarray based genotype information

    HANDE MELİSA ACUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    GenetikHacettepe Üniversitesi

    Biyoenformatik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ARDA ÇETİNKAYA

  3. Design, fabrication and characterization of light-responsive functionalized hydrogel for tissue engineering applications

    Doku mühendisliği uygulamaları için ışığa duyarlı fonksiyonelleştirilmiş hidrojelin tasarımı, imalatı ve karakterizasyonu

    SYEDA RUBAB BATOOL

    Doktora

    İngilizce

    İngilizce

    2021

    BiyomühendislikKoç Üniversitesi

    Biyomedikal Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. SEDA KIZILEL

  4. Controlled delivery of chalcone via biopolyester nanohybrid

    Biyopoliester nanohibrit ile kalkonun kontrollü salımı

    YASEMİN KAPTAN

    Doktora

    İngilizce

    İngilizce

    2022

    Biyoteknolojiİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. FATOŞ YÜKSEL GÜVENİLİR

  5. Development of mirna biomarkers for the differentiation between gingivitis and periodontitis: A pilot study

    Gingivitis ve periodontitis ayrımı için mirna biyobelirteçlerinin geliştirilmesi: Pilot çalışma

    DHAFIR LATIEF FAYADH FAYADH

    Doktora

    İngilizce

    İngilizce

    2023

    BiyokimyaSüleyman Demirel Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. MUSTAFA CALAPOĞLU