The success of machine learning algorithms developed with radiomic features obtained from preoperative contrast-enhanced MRI in the prediction of short-term survival in patients with glioblastoma

Authors : Okan DILEK, Emin DEMIREL, Emre BİLGİN, Berna BOZKURT DUMAN, Bozkurt GÜLEK

Pages : 706-713

Doi:10.17826/cumj.904688

View : 17 | Download : 12

Publication Date : 2021-06-30

Article Type : Research Paper

Abstract :Amaç: Bu çalışma ameliyat öncesi kontrastlı T1 ağırlıklı görüntülerdeninsert ignore into journalissuearticles values(T1AG); elde edilen doku analiziinsert ignore into journalissuearticles values(radyomiks); özellikleriyle geliştirilen makine öğrenimiinsert ignore into journalissuearticles values(MÖ); modeli kullanılarak glioblastomlu hastalarda sağkalımın öngörülebilirliğini değerlendirmeyi amaçlamaktadır. Gereç ve Yöntem: Tümörlerin radyomiks özellikleri 60 glioblastoma hastasının kontrastlı T1AG’den elde edildi. Altı matristen elde edilen radyomik özellikler, yoğunluk, şekil ve dokusal özellikler analize dahil edilmiştir. Hastaların üç ve altı aylık sağkalım oranları kaydedildi. Tahmine dayalı modeller [random forest, neural network, linear discriminant analysisinsert ignore into journalissuearticles values(LDA);, stochastic gradient descent insert ignore into journalissuearticles values(SGD);, support vector machineinsert ignore into journalissuearticles values(SMV);] oluşturmak için beş farklı MÖ algoritması uygulandı. Bulgular: Hastaların ortalama sağkalım süresi 295,4 gün, medyan değeri 211,5 insert ignore into journalissuearticles values(17-1357); gündü. Üç ve altı aylık sağkalım tahmini için geliştirilen modellerden en yüksek başarı, EAA değerlerinin sırasıyla 0,88 ve 0,78 olarak hesaplandığı LDA algoritmasından elde edilmiştir. Sonuç: MÖ tekniklerini kullanarak, görüntülemeye dayalı hasta sağkalımını tahmin etme başarısı çok yüksekti. Bu tekniklerin gelişmesi ve yaygınlaşması ile MÖ modelleri, glioblastomda sağkalım tahminine göre tedaviye karar vermede faydalı olacaktır.
Keywords : glioblastom, makine öğrenmesi, texture, mrg