Leikkausta edeltävän kirurgisen vaikeuden kerrostuminen käyttämällä ennakoitua kasvaimen perfuusiota ja johdonmukaisuutta

Aivolisäkkeen adenoomat (PA) ovat yksi yleisimmistä sella turcican vaurioista, ja niiden osuus kaikista kallonsisäisistä kasvaimista on 10–25 %. Aivolisäkkeen makroadenoomien (PMA:iden) enimmäishalkaisija on yli 1 cm. Kasvaimen ominaisuudet ovat avaintekijöitä, jotka vaikuttavat kirurgian tehokkuuteen ja PMA:iden komplikaatioihin, ja kasvaimen perfuusio ja konsistenssi on tunnistettu kirjallisuudessa tärkeimmiksi ennustaviksi tekijöiksi. Tavanomaiset sekvenssit tarjoavat rajoitettua tietoa aivolisäkkeen adenoomien perfuusion ja konsistenssin ennustamiseksi. Edistyneet sekvenssit tarjoavat lisänäkemyksiä. Kuitenkaan ei ole vielä todistettu moniparametristen sekvenssien radioisten ominaisuuksien yhdistämisen tehokkuutta, joka sisältää sekä tavanomaisia ​​että kehittyneitä sekvenssejä.

Pyrimme kehittämään koneoppimismalleja, jotka yhdistävät sekä perinteisistä että edistyneistä sekvensseistä kehitetyt radioominaisuudet ennustamaan PMA:iden perfuusiota ja konsistenssia. Lisäksi pyrimme havainnollistamaan näiden mallien kliinistä soveltuvuutta rakentamalla MR-PIT-kerrosta (Multiparametric Radiomic derived and tumor Perfuusio- ja johdonmukaisuuspohjainen kirurgisen vaikeuskerroin), joka korreloi kirurgisen strategian ja tulosten kanssa.