Predicting von hippel lindau (VHL), polybromo-1 (PBRM1)mutations and stages of clear cell renal cell carcinomafrom computed tomography images by machine learning

BHK en fazla görülen böbrek kanseridir ve BHBK, en sık görülen BHK alt tipidir. BHBK çalısmaları kanserli BT görüntüleri ile gen mutasyonları arasında bir korelasyon oldugunu göstermektedir (radyogenomik). Ayrıca, prognozun VHL mutasyonunu ile güçlü bir iliskisi oldugu, ve BHBK için hayatta kalma belirteci oldugu rapor edilmistir. PBRM1 geni, BHBK'de en yaygın ikinci mutasyondur. BHBK'ni tanımlamak için büyük bir potansiyele ve BHBK nın ilerlemesinde kritik bir role sahiptir. Dahası, mevcut tedavi olanakları çogunlukla evre bilgileriyle ilgilidir. Erken evrede BHK'lı hastaların% 50'sinden fazlası tedavi edilir, ancak tedavi seçenekleri evre 3 ve 4'te sınırlıdır. Bu nedenle erken tanı hastalar için önemlidir. Ayrıca, yaygın olarak kullanılan tanı yöntemleriden biyopsi, hastayı duygusal tahrip etme, saglıklı dokuya zarar verme veya tümörü yayabilme potansiyeline sahiptir. Bir axial slayt üzerinden en buyuk tumore gore nicel 2D BT görüntüleriyle, VHL ve PBRM1 mutasyonları ile evrenin dogrulukla tahmin edilebilecegini varsaydık. TCGA-KIRC datasını kullandık ve ilgili bölge uzman bir radyolog tarafından çizildi. Radiogenomik ozellikler çıkarılıkdıktan sonra özellik seçimleri yapıldı. MATLAB'da hem CL hem de ANN kullanılarak sınıflandırma yapıldı. Alınan sonuçlar, CL'de Fine Gaussian SVM modelinin VHL ve NON-VHL verilerini 68.6%, k-NN with Random Subspace modelinin PBRM1 ve NON-PBRM1'i % 84.9 dereceleriyle dogru tahmin edebildigini gösterirken, ANN modelinin evreyi % 91.9 dogru tahmin edebildigini gösterdi. Bu çalısmadan, ML ile tek slayt bazlı nicel 2D BT doku analizinin, BHBK'li hastalarda VHL ve PBRM1 mutasyonlarını ve evreyi tahmin etmek için uygun ve potansiyellı bir yöntem oldugu anlasılmaktadır.