Amaç: Radyogenomiks, klinik karar vermede görüntü ve genetik özelliklerin kullanımını araştıran bir alandır. Bu çalışmanın amacı, görüntü ve genetik özellikleri kullanarak klinik bir değişkeni sınıflamaktır. Farklı sınıflama yöntemlerinin performansları karşılaştırılmış ve özellik seçiminin sınıflama performansına etkisi incelenmiştir. Gereç ve Yöntemler: Kanser Görüntüleme Arşivi veri tabanından elde edilen küçük hücreli olmayan akciğer kanseri veri seti kullanılmıştır. Sınıflamada kullanılan sonuç değişkeni iki durumlu olan histolojinin türü değişkenidir. Bu veri seti bilgisayarlı tomografi görüntülerini ve RNA dizileme yönteminden elde edien gen ifadelerini içerir. Özellikleri standartlaştırmak için görüntü özelliklerine z dönüşümü, genetik özelliklere logaritmik dönüşüm uygulanmıştır. Veri seti %70 eğitim seti ve %30 test seti olmak üzere ikiye bölünmüştür. Sınıflama analizleri yalnızca görüntü özellikleri, yalnızca genetik özellikler ve görüntü ile genetik özellikler birlikte kullanılarak gerçekleştirilir. Sınıflama için "elastic net, rastgele orman, destek vektör makineleri ve XGBoost" algoritmaları kullanılmıştır. Değişken seçiminin sınıflama performansları üzerindeki etkisinin incelenmesi için farklı değişken seçimi yaklaşımları uygulanmıştır. Performans ölçüleri test seti kullanılarak hesaplanmıştır. Bulgular: Görüntü ve genetik özelliklerin birlikte kullanımı, değişken seçimi uygulanmadığında veya değişken seçimi yöntem olarak AUC kullanıldığında rastgele orman ve XGBoost algoritmalarının, özellik seçimi için özyinelemeli özellik seçimi kullanıldığında ise elastic net algoritmasının sınıflama performansını iyileştirmiştir. Sonuç: Değişken seçimine dayalı sınıflama yaklaşımlarının model performansı üzerinde etkisi sınırlı olmuştur. Ayrıca iki farklı veri kaynağının entegrasyonu her sınıflandırma yöntemi için daha yüksek performansla sonuçlanmamıştır. [ABSTRACT FROM AUTHOR]