Studie om radiogenomiska egenskaper associerade med radiokemoterapikänslighet vid gliom

Denna prövning syftar till att rekrytera 100 fall av LGG och 100 fall av HGG baserat på statistiska beräkningar. MRT-data, inklusive T1-viktade, T2-viktade, T1-kontrastförstärkta och T2-Fluid Attenuated Inversion Recovery (FLAIR)-sekvenser, kommer att samlas in före operation, 2 veckor innan radiokemoterapi påbörjas, 1 månad efter avslutad strålbehandling (LGG) eller 4 och 10 månader efter avslutad radiokemoterapi (HGG).

De insamlade MRI-bilderna före och efter radiokemoterapi kommer att användas för att bedöma förändringar i tumörvolymen. RANO-kriterierna kommer att användas för att bestämma tumörens känslighet för radiokemoterapi: ett fullständigt svar och partiellt svar kommer att klassificeras som känsligt, medan stabil sjukdom och sjukdomsprogression kommer att betraktas som okänslig.

Radiomikfunktioner kommer att extraheras med öppen källkod Pythonpaketet PyRadiomics efter att ha utfört bildförbearbetning och segmentering. Transkriptomiska data kommer att erhållas genom att utföra RNA-sekvensanalys på tumörprover som samlats in under operationen. Utvalda radiogenomiska egenskaper kommer att införlivas i en förkonstruerad maskininlärningsmodell för att förutsäga glioms känslighet för radiokemoterapi. Modellens prestanda kommer att utvärderas med hjälp av mätvärden som klassificeringsnoggrannhet (ACC), area under mottagarens funktionskarakteristikkurva (AUC), positivt prediktivt värde (PPV) och negativt prediktivt värde (NPV).