Præoperativ kirurgisk vanskelighedsstratificering ved hjælp af forudsagt tumorperfusion og konsistens

Hypofyseadenomer (PA'er) er blandt de mest udbredte læsioner af sella turcica, der tegner sig for 10%-25% af alle intrakranielle neoplasmer. Hypofysemakroadenomer (PMA'er) defineres med en maksimal diameter på over 1 cm. Tumorkarakteristika er nøglefaktorer, der påvirker kirurgisk effektivitet og komplikationer af PMA'er, med tumorperfusion og konsistens identificeret som vigtige prædiktive faktorer i litteraturen. Konventionelle sekvenser giver begrænset information til at forudsige perfusionen og konsistensen af ​​hypofyseadenomer. Avancerede sekvenser giver yderligere indsigt. Effektiviteten af ​​at kombinere radiomiske træk fra multiparametriske sekvenser, der inkorporerer både konventionelle og avancerede sekvenser, er dog endnu ikke blevet bevist.

Vi sigter mod at udvikle maskinlæringsmodeller, der kombinerer radiomiske funktioner udviklet fra både konventionelle og avancerede sekvenser for at forudsige perfusionen og konsistensen af ​​PMA'er. Desuden sigter vi mod at demonstrere den kliniske anvendelighed af disse modeller ved at konstruere en MR-PIT-stratifikation (Multiparametrisk Radiomic afledt og tumor Perfusion og konsIStensbaseret kirurgisk vanskelighedsstratifikation), som korrelerede med den kirurgiske strategi og resultater.