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
- Tez No: 684143
- Danışmanlar: DOÇ. DR. GİZEM ÇALIBAŞI KOÇAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Onkoloji, Computer Engineering and Computer Science and Control, Biostatistics, Oncology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Onkoloji Ana Bilim Dalı
- Bilim Dalı: Translasyonel Onkoloji Bilim Dalı
- 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
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
ÖĞR. GÖR. MURAT GEZER
- 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
2023
GenetikHacettepe ÜniversitesiBiyoenformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARDA ÇETİNKAYA
- 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
2021
BiyomühendislikKoç ÜniversitesiBiyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. SEDA KIZILEL
- Controlled delivery of chalcone via biopolyester nanohybrid
Biyopoliester nanohibrit ile kalkonun kontrollü salımı
YASEMİN KAPTAN
Doktora
İngilizce
2022
Biyoteknolojiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. FATOŞ YÜKSEL GÜVENİLİR
- 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
2023
BiyokimyaSüleyman Demirel ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CALAPOĞLU