Radıomıc analysıs of alzheımer's dısease usıng FDG-pet ımagıng

Alzheimer hastalığı (AD), daha gelişmiş ve kişiselleştirilmiş tanı yöntemlerine ihtiyaç duymaktadır. Bu tez, AD'nin tanısı, evrelemesi ve risk değerlendirmesini geliştirmek amacıyla FDG-PET temelli bir radyomik yaklaşıma dayanan bir çerçeve önermektedir. Görüntüden türetilen özelliklerin makine öğrenmesi ile entegrasyonu sayesinde erken, invaziv olmayan ve bireyselleştirilmiş değerlendirme hedeflenmiştir. Tam otomatik bir beyin radyomik platformu geliştirilerek bilişsel olarak CN, MCI ve AD olan bireyler arasında ayrım yapabildik. Hipokampus, entorhinal korteks ve amigdala temel ayırt edici bölgeler olarak öne çıkmıştır. Basitleştirilmiş FDG-PET modelimiz, hipokampus, inferior parietal lobül ve isthmus singulat bölgesinden elde edilen özelliklerle AD'nin kritik bir patolojik göstergesi olan amiloid pozitifliğini %85.3 AUC değeri ile tahmin etmiştir. Platform, AD için önemli bir genetik risk faktörü olan ApoE4 genotipini tahmin etmek amacıyla genişletilmiş ve hipokampus, amigdala, talamus ve pars orbitalis bölgelerinden elde edilen özelliklerle %94.5 AUC başarısı göstermiştir. Ayrıca, hipokampus amigdala bağlantısı araştırılarak Shape Mesh Volume ve GLDM SDLGLE gibi sağlam biyobelirteçler tanımlanmıştır (AUC=0.88). Hipokampal ve amigdalaya ait alt bölgelerin analizi, AD'yi MCI ve CN'den ayıran GLRLM Long Run Emphasis ve GLDM Small Dependence Emphasis gibi erken mikroyapısal ve metabolik değişiklikleri ortaya koymuştur. Elde edilen bulgular, FDG-PET radyomiğini AD'nin tanı, izleme ve risk sınıflandırmasında güvenilir, invaziv olmayan bir görüntüleme biyobelirteci olarak konumlandırmakta; klinik karar destek süreçlerine katkı sağlayarak önleyici ve kişiselleştirilmiş tıp uygulamaları için zemin hazırlamaktadır.