Tumor-lasten van de hele hersenen met inflammatoire en moleculaire markers om postoperatieve neurocognitieve achteruitgang van glioom te voorspellen

Hoewel chirurgische resectie de algehele overleving verbetert bij patiënten met diffuse lage gliomen (DLGG), kan dit ook leiden tot verslechtering van de neurocognitieve functie, die slecht begrepen zijn en effectieve voorspellende modellen missen. Deze studie heeft als doel een model te ontwikkelen met behulp van de tumorbelasting van de hele hersenen, inflammatoire en moleculaire markers voor het voorspellen van een hoog risico op neurocognitieve achteruitgang (ND) postoperatief. De studie omvatte 192 patiënten met links frontale DLGG. MRI-gegevens werden geanalyseerd om de tumorbelastingsstatistieken van de hele hersenen af ​​te leiden, waaronder tumorradiomics, corticale dikte van de hele hersenen, myelinegehalte en netwerkkenmerken. Postoperatieve ontstekings- en moleculaire markers werden verzameld. Postoperatieve follow-up neurocognitieve functie werd beoordeeld met behulp van de Montreal Cognitive Assessment na 3 maanden en 1 jaar. Machine learning -modellen werden geconstrueerd met behulp van Pycaret.