最近の分析では、低グレードグリオーマ腫瘍の異なるゲノムサブタイプが形状特徴と関連していることが判明しました。本研究では、深層学習に基づくセグメンテーションを使用して腫瘍画像特性を完全自動的に定量する方法を提案し、これらの特性が腫瘍のゲノムサブタイプを予測するかどうかを検証します。我々は、The Cancer Genome Atlas（TCGA）から5つの機関に所属する110人の低グレードグリオーマ患者の術前画像データとゲノムデータを使用しました。自動的な深層学習セグメンテーションに基づいて、腫瘍の2次元および3次元特性を量化的に表現する3つの特徴を抽出しました。解析対象となった患者コホートのゲノムデータは、IDH変異と1p/19q共欠失、DNAメチル化、遺伝子発現、DNAコピー数、およびmiRNA発現に基づく以前に同定されたゲノムクラスターで構成されています。画像特徴とゲノムクラスターとの関係を解析するために、各画像特徴とゲノムサブタイプのペアについて10個の仮説に対してFisherの正確検定を行いました。複数比較検定に対応するためにBonferroni補正を適用しました。P値が0.005未満の場合を統計的に有意と考えました。最も強い関連性はRNASeqクラスターと境界楕円体体積比（$p<0.0002$p<0.0002）、およびRNASeqクラスターと縁辺変動（$p<0.005$p<0.005）で見られました。さらに、境界楕円体体積比とすべてのテストされた分子サブタイプ（$p<0.02$p<0.02）、ならびに角度標準偏差とRNASeqクラスター（$p<0.02$p<0.02）との間にも関連性が確認されました。本研究で使用した自動腫瘍セグメンテーションによる定量的画像特性生成において、我々の深層学習アルゴリズムは平均Dice係数82%を達成しており、これは人間のパフォーマンスと同等です。