A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Metabolic microenvironment of the infiltration zone of glioma
In 2016, the WHO revised its classification of brain tumors in the light of the discovery of IDH mutation and driven by new developments in high-throughput DNA-sequencing. Accordingly, diffuse gliomas (grade II-IV) are divided into three subgroups on the basis of two genetic alterations, IDH 1/2 mutation and 1p19q co-deletion. This work aims to spatially map metabolite intensities across the three molecular subgroups and to provide an accurate prediction of these subgroups using magnetic resonance spectroscopy data as input for a radiomics pipeline. Between 2016 and 2017, 65 patients were prospectively enclosed and received MR spectroscopy as part of their preoperative imaging. Tumor regions were segmented and registered to corresponding MRS matrices. Out of 860 initially computed, 45 diagnostically relevant features were selected by a random-forest algorithm and hierarchically clustered. Spectroscopic features were computed in a radiomic approach and selected by a classification algorithm. Finally, a machine-learning model was trained to predict the molecular subtypes. The Application of MR spectroscopy derived statistical features as an input for a radiomics based pipeline allowed a robust discrimination of all molecular subgroups of glioma in line with the new WHO classification. Patients with creatine-rich non-resected tumor boarder showed a significant lower progression-free survival (HR 4.05, CI95% 1.8-8.9, p=0.043). This indicates that creatine in the FLAIR-hyperintense tumor border potentially hallmarks the infiltration region of glioma. The radiomics based analysis of MR-spectroscopy data represents a non-invasive tool to predict the molecular subtype of glioma providing valuable addition to the preoperative tumor work-up in glioma patients. ; In 2016, aktualisierte die Weltgesundheitsorganisation (WHO) die Klassifikation der Hirntumore in Anbetracht der Entdeckung der IDH-Mutation und der Entwicklung der high-throughput DNA-Sequenzierung. Die Eingliederung der Molekularen Markers in die neue Klassifikation führte zu einer Umstrukturierung des Stammbaums der Gliome. Die diffusen Gliome (Grad II-IV) unterteilen sich gemäß der neuen Klassifikation in drei Hauptsubgruppen basierend auf der IDH1/2 Mutation und der 1p19q-Codeletion. Diese Studie zielt darauf ab, die räumliche Metaboliten-Unterschiede innerhalb der drei Subgruppen abzubilden und eine akkurate Prädiktion der molekularen Subgruppen vorherzusagen durch eine neuartige Kombination von MR-Spektroskopie und Radiomics-Workflow. Zwischen 2016 und 2017, wurden 65 Patienten prospektiv eingeschlossen. Die Studienteilnehmer erhielten MR-Spektroskopie im Rahmen ihrer präoperativen Bildgebung. Die Tumorregionen in der strukturellen Bildgebung wurden segmentiert und koregisteriert zu den entsprechenden MRS-Matrices. Von 860 initial berechneten statistischen Features wurden 45 relevanten Features mittels einer Random-Forest Klassifikationsalgorithmus selektiert. Anschließend wurde ein Machine-Learning-Modell entwickelt, um den molekularen Subtyp zu prädiktieren. Die MR-Spektroskopie-basierten statistischen Features erlaubten eine robuste Trennung der drei Molekularen Subgruppen, anhand der 45 Features. Patienten mit hohem Kreatin in der nicht resezierten peritumoralen Zone zeigten eine deutlich reduzierte Überlebensrate (HR 4.05, CI95% 1.8-8.9, p=0.043) als Indiz, dass Kreatin die Infiltrationszone kennzeichnet. Diese neuartige Radiomics-basierte Analyse der MR-Spektroskopie-Daten stellt sich als neues non-invasives Instrument zur Prädiktion des Gliom-Subtyp dar und liefert eine wertvolle Ergänzung zur präoperativen Diagnostik der Gliome.
Metabolic microenvironment of the infiltration zone of glioma
In 2016, the WHO revised its classification of brain tumors in the light of the discovery of IDH mutation and driven by new developments in high-throughput DNA-sequencing. Accordingly, diffuse gliomas (grade II-IV) are divided into three subgroups on the basis of two genetic alterations, IDH 1/2 mutation and 1p19q co-deletion. This work aims to spatially map metabolite intensities across the three molecular subgroups and to provide an accurate prediction of these subgroups using magnetic resonance spectroscopy data as input for a radiomics pipeline. Between 2016 and 2017, 65 patients were prospectively enclosed and received MR spectroscopy as part of their preoperative imaging. Tumor regions were segmented and registered to corresponding MRS matrices. Out of 860 initially computed, 45 diagnostically relevant features were selected by a random-forest algorithm and hierarchically clustered. Spectroscopic features were computed in a radiomic approach and selected by a classification algorithm. Finally, a machine-learning model was trained to predict the molecular subtypes. The Application of MR spectroscopy derived statistical features as an input for a radiomics based pipeline allowed a robust discrimination of all molecular subgroups of glioma in line with the new WHO classification. Patients with creatine-rich non-resected tumor boarder showed a significant lower progression-free survival (HR 4.05, CI95% 1.8-8.9, p=0.043). This indicates that creatine in the FLAIR-hyperintense tumor border potentially hallmarks the infiltration region of glioma. The radiomics based analysis of MR-spectroscopy data represents a non-invasive tool to predict the molecular subtype of glioma providing valuable addition to the preoperative tumor work-up in glioma patients. ; In 2016, aktualisierte die Weltgesundheitsorganisation (WHO) die Klassifikation der Hirntumore in Anbetracht der Entdeckung der IDH-Mutation und der Entwicklung der high-throughput DNA-Sequenzierung. Die Eingliederung der Molekularen Markers in die neue Klassifikation führte zu einer Umstrukturierung des Stammbaums der Gliome. Die diffusen Gliome (Grad II-IV) unterteilen sich gemäß der neuen Klassifikation in drei Hauptsubgruppen basierend auf der IDH1/2 Mutation und der 1p19q-Codeletion. Diese Studie zielt darauf ab, die räumliche Metaboliten-Unterschiede innerhalb der drei Subgruppen abzubilden und eine akkurate Prädiktion der molekularen Subgruppen vorherzusagen durch eine neuartige Kombination von MR-Spektroskopie und Radiomics-Workflow. Zwischen 2016 und 2017, wurden 65 Patienten prospektiv eingeschlossen. Die Studienteilnehmer erhielten MR-Spektroskopie im Rahmen ihrer präoperativen Bildgebung. Die Tumorregionen in der strukturellen Bildgebung wurden segmentiert und koregisteriert zu den entsprechenden MRS-Matrices. Von 860 initial berechneten statistischen Features wurden 45 relevanten Features mittels einer Random-Forest Klassifikationsalgorithmus selektiert. Anschließend wurde ein Machine-Learning-Modell entwickelt, um den molekularen Subtyp zu prädiktieren. Die MR-Spektroskopie-basierten statistischen Features erlaubten eine robuste Trennung der drei Molekularen Subgruppen, anhand der 45 Features. Patienten mit hohem Kreatin in der nicht resezierten peritumoralen Zone zeigten eine deutlich reduzierte Überlebensrate (HR 4.05, CI95% 1.8-8.9, p=0.043) als Indiz, dass Kreatin die Infiltrationszone kennzeichnet. Diese neuartige Radiomics-basierte Analyse der MR-Spektroskopie-Daten stellt sich als neues non-invasives Instrument zur Prädiktion des Gliom-Subtyp dar und liefert eine wertvolle Ergänzung zur präoperativen Diagnostik der Gliome.
Metabolic microenvironment of the infiltration zone of glioma
Diamandis, Elie (author)
2018-01-01
Theses
Electronic Resource
English
In Situ Nitric Oxide Gas Nanogenerator Reprograms Glioma Immunosuppressive Microenvironment
| Wiley | 2023
Scaling unstable infiltration in the vadose zone
| British Library Online Contents | 1997
Vadose Zone Modeling Applied to Stormwater Infiltration
| British Library Conference Proceedings | 2007
Scaling unstable infiltration in the vadose zone
| Online Contents | 1997