Spore hjernesvulster gjennom dyp tid (TRACE)

Pasienter (pediatriske og voksne) med en diagnose (radiologisk/histopatologisk) av primære hjernesvulster registrert i nevro-onkologisk sykdomsbehandlingsgruppe mellom januar 2005 og desember 2023 vil bli screenet. Omtrent 500-600 pasienter forventes å være kvalifisert per år med bildedata (ca. 500 pasienter behandles årlig med stråling i vårt senter med tilgjengelige CT-data for stråleplanlegging, og ytterligere 100-200 pasienter som har pre- eller postoperative skanninger ). For den ovennevnte tidsperioden forventes data å være tilgjengelig fra ca. 10 000 pasienter, som vil være den øvre grensen for prøvestørrelse for den nåværende studien.

Området til primærtumoren (eller hulrom og gjenværende tumor som indikerer opprinnelig plassering for postoperative data) vil bli segmentert på CT og/eller MR som tilgjengelig. Det peritumorale ødemet vil bli ekskludert fra den segmenterte regionen. Segmenteringen vil gjøres manuelt i en første kohort på ca. 200-500 pasienter. Deretter vil en maskinlæringsalgoritme som et 3D U-nett eller dyplæringsbasert teknikk trenes på de første dataene (og valideres på de neste 100-200 pasientene for å vurdere algoritmens nøyaktighet og robusthet) for rask implementering og segmentering av de store datasett. Når hjernesvulstregioner er identifisert over hele befolkningen, vil tetthetskart bli generert for å gjengjelde plasseringen av svulster på en kvantitativ skala i henhold til pasientens alder under diagnosen (alder i år som kontinuerlige data og kategoriske data, dvs. aldersgrupper, f.eks. spedbarn, barn, tenåringer, ungdom. voksne og eldre). De genererte tetthetskartene vil bli sammenlignet med regioner av vertebrat hjerneregioner (med åpent tilgjengelig litteratur) på tvers av arter med hensyn til geologisk skala/dype tidsenheter, for eksempel i enheter på 10-50 millioner år. På samme måte vil hodeskallens benete anatomi bli ekstrahert fra CT- og/eller MR-data (ved å bruke teknikker som vindusintensitetsterskler uten behov for segmentering). Pasienter med store defekter i calvarial hodeskallen fra økt intrakranielt trykk eller kirurgiske inngrep vil bli ekskludert fra analysen av calvarial antropometri (den vil imidlertid være tilgjengelig for hodeskallebasens anatomivurdering). Organisasjonsmønstrene vil bli analysert ved hjelp av maskinlæringsmodeller og andre statistiske modeller som Bayesiansk statistikk og sammenlignet med andre offentlig tilgjengelige normale menneskelige populasjoner uten hjernesvulster (justert for alder, rase som aktuelt), fossile data fra virveldyr/ hominider, ikke-menneskelige primater for koblingsgjenkjenning. Tetthetskartene og antropometriske data vil bli sammenlignet innenfor hele kohorten av pasienter med hjernesvulster (fra studien) stratifisert etter faktorer som alder (som nevnt tidligere), tumorplassering (f.eks. supratentorial vs. infratentorial), tumorgrad (godartet vs. lav karakter vs høy karakter). Den statistiske analysen for tetthetskart og antropometri vil bli gjort ved å dele anonymiserte data med samarbeidspartnere med ekspertise på lignende forskning fra Indian Statistical Institute (Geological Studies Unit og Interdisciplinary Statistical Research Unit).