EMİN DEMIREL, ÇİĞDEM ÖZER GÖKASLAN
Kocatepe Tıp Dergisi - 2025;26(2):168-173
AMAÇ: En yaygın primer intrakranial neoplazmlardan biri menenjiomlardır. Bu tümörlerin ameliyat öncesi doğru sınıflandırılması, hastaları uygun şekilde yönetmede ve tedaviye karar vermede çok önemlidir. Bu güncel çalışmada, açık kaynaklı yazılım kullanarak grade I ve grade II hastaları tahmin etmek için radyomik özellik temelli makine öğrenme modeli geliştirmeyi amaçladık. GEREÇ VE YÖNTEM: Meningioma -SEG-CLASS açık kaynaklı veri seti, 2010 ve 2019 yılları arasında cerrahi rezeksiyon geçiren 96 tedavi edilmemiş hastadan toplanmıştır. Segmentasyon verisi açık kaynak olarak paylaşılan tümörlerin radyomik özellikleri çıkartıldı. Otomatik makine öğrenimi algoritmalarımızı geliştirmek için AutoGluon AutoML platformu kullanıldı. BULGULAR: Gerekli özellik seçimi işlemleri sonrasında geliştirilen AutoGluon AutoML makine öğrenme modellerinde, ansambl L2 modeli göre en iyi performans gösterdi. Bu sonuçlar, test setinde 0,8205 AUC ve 0,8000 F1 skoru ile kabul edilebilir olup, modelin iyi bir genelleme yeteneğine işaret ediyor. SONUÇ: Bu araştırma, çeşitli MRG dizilerinden radyomik özelliklerin çıkarılması, geleneksel radyolojik testlerden daha iyi bir şekilde meningiomların derecelendirilmesine yardımcı olabilir. Bu, invaziv olmayan preoperatif tümör tahminini kolaylaştırarak daha iyi cerrahi planlama ve yönetimi sağlar.
