Ανάλυση και επεξεργασία ιατρικών δεδομένων

Abstract

The scope of the present thesis was the study of the effect of chemotherapy in the brain of patients suffering from small cell lung cancer (SCLC) by employing the latest techniques of Magnetic Resonance Imaging (MRI, T1, T2) as well as of Diffusion tensor imaging (DTI) and functional magnetic resonance imaging (fΜRI). For this purpose, Τ1, Τ2, DTI and fMRI data were collected from 24 SCLC patients after chemotherapy as well as from 14 healthy volunteers. The first goal of the data analysis process was to investigate whether there was disruption of the fiber tracts architecture of the white matter of the patients’ brains. The latter was achieved by the realization of two different processing methodologies of the DTI data: the deterministic analysis and the voxel-to-voxel analysis. Furthermore, we studied the potential occurrence of structural destruction of the gray matter by the utilization of titration on the T1 images while the analysis of the fMRI data at the functional connectivity level enabled the study of potential existing functional deficiencies. The overall results of the abovementioned analysis showed that the patients’ group had discrepancies in functional connectivity as well as deteriorations in their gray and white matter. The following analysis phase focused on connecting/associating DTI with Graph Theory in order to proceed to the study of the topological organization of the SCLC patients’ white matter’s structural networks as well as the structural connectivity of these networks. Moreover, a variety of graph-theory connectivity metrics such as the average path length, the clustering coefficient, the local and global efficiency, the hubs and the small world properties were explored/investigated. The findings of the latter analysis demonstrated that patients had clearly a disruption of the structural networks of the brain while presenting differentiated structural connectivity when compared to the healthy individuals. Finally, within the framework of this thesis Machine Learning methods were developed that succeeded in separating the SCLC patients from the healthy individuals with high accuracy by using the networks of structural connectivity. The overall findings of the current thesis offer a better understanding of the effect of chemotherapy on the human brain.

Αντικείμενο της παρούσας Διδακτορικής Διατριβής είναι η μελέτη της επίδρασης της χημειοθεραπείας στον εγκέφαλο ασθενών που πάσχουν από μικροκυτταρικό καρκίνο του πνεύμονα (ΜΚΠ), με την αξιοποίηση σύγχρονων τεχνικών απεικόνισης μαγνητικού συντονισμού (MRI,T1,T2), απεικόνισης του τανυστή διάχυσης (DTI) και λειτουργικής απεικόνισης (fΜRI). Για να επιτευχθεί ο σκοπός της παρούσας διατριβής πραγματοποιήθηκε η συλλογή δεδομένων Τ1, Τ2, DTI και fMRI από 24 ασθενείς που πάσχουν από ΜΚΠ και έχουν λάβει χημειοθεραπεία καθώς επίσης και από 14 υγιείς εθελοντές. Το πρώτο στάδιο της ανάλυσης των δεδομένων είχε ως στόχο τη διερεύνηση της ύπαρξης αποδιοργάνωσης της αρχιτεκτονικής των δεσμίδων (fiber tracts) της λευκής ουσίας του εγκεφάλου των ασθενών και το οποίο επιτεύχθηκε με την πραγματοποίηση δυο ειδών επεξεργασίας των δεδομένων DTI,την ντετερμινιστική ανάλυση και την ανάλυση των δεσμίδων σε επίπεδο ογκοστοιχείου (voxel-to-voxel). Επιπλέον μελετήθηκε η ύπαρξη δομικών καταστροφών της φαιάς ουσίας με και την πραγματοποίηση ογκομετρίας στις Τ1 εικόνες ενώ η ανάλυση των fMRI δεδομένων σε επίπεδο λειτουργικής συνδεσιμότητας κατέστησε δυνατή την μελέτη της ύπαρξης λειτουργικών ελλειμάτων. Τα αποτελέσματα των παραπάνω αναλύσεων έδειξαν ότι οι ασθενείς παρουσίασαν διαφορές στην λειτουργική συνδεσιμότητα καθώς επίσης και αλλοιώσεις της φαιάς και της λευκής ουσίας. Το επόμενο στάδιο ήταν σύνδεση του DTI με την θεωρία των γράφων με στόχο την μελέτη της τοπολογικής οργάνωσης των δομικών δικτύων της λευκής ουσίας του εγκεφάλου των ασθενών με ΜΚΠ καθώς επίσης και της δομικής συνδεσιμότητας αυτών των δικτύων. Επιπλέον, μελετήθηκε ένας μεγάλος αριθμός μετρητικών στοιχειών των γράφων όπως το μέσο μήκος διαδρομής, ο συντελεστής ομαδοποίησης, η αποδοτικότητα σε τοπικό και παγκόσμιο επίπεδο, οι κόμβοι υψηλής συνδεσιμότητας και οι προϋποθέσεις μικρόκοσμου. Τα αποτελέσματα αυτής της ανάλυσης έδειξαν ότι οι ασθενείς παρουσίασαν εικόνα σαφούς αποδιοργάνωσης των δομικών δικτύων του εγκεφάλου και ταυτόχρονα και διαφορετική δομική συνδεσιμότητα σε σύγκριση με τους υγιείς, Τέλος, αναπτυχθήκαν μέθοδοι Μηχανικής Εκμάθησης (Machine Learning) οι οποίες εκμεταλλευόμενοι τα δίκτυα δομικής συνδεσιμότητας οδήγησαν στον επιτυχή διαχωρισμό τωνασθενών από τους υγιείς με μεγάλη ακρίβεια. Τα συνολικά αυτά αποτελέσματα παρέχουν μια καλύτερη κατανόηση της επίδρασης και των επιπτώσεων της χημειοθεραπείας στον ανθρώπινο εγκέφαλο.