دوره 28، شماره 5 - ( دوماهنامه طب جنوب 1405 )
جلد 28 شماره 5 صفحات 849-838 |
برگشت به فهرست نسخه ها
1- گروه رادیولوژی، دانشکده پزشکی، دانشگاه علوم پزشکی ایلام، ایلام، ایران
2- گروه فیزیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ایلام، ایلام، ایران ،zakariaee-s@medilam.ac.ir
2- گروه فیزیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ایلام، ایلام، ایران ،
چکیده: (92 مشاهده)
زمینه: بدلیل محدودیتهای ذاتی روش هیستوپاتولوژی بهعنوان روش استاندارد برای گریدینگ تومورهای گلیوما، در سالهای اخیر روشهای مکمل از جمله روشهای مبتنی بر دادههای تصویربرداری برای گریدینگ بهتر تومورهای گلیوما پیشنهاد شده است. این مطالعه با هدف تعیین عملکرد تشخیصی پارامترهای نیمه کمی روش تصویربرداری تشدید مغناطیسی دینامیک با وزن T۱ (T۱W-MRI) برای گریدینگ تومورهای گلیوما قبل از جراحی انجام شد.
مواد و روشها: بیماران مشکوک به تومور مغزی که بین بهمن ماه ۱۳۹۹ تا دی ماه ۱۴۰۱ به بخش تصویربرداری مرکز سرطان مرجع ارجاع داده شده بودند، به صورت گذشتهنگر بررسی شدند. تعداد ۳۱ بیمار مبتلا به گلیومای تأیید شده توسط نتایج پاتولوژی دارای شرایط ورود به مطالعه بودند. میانگین سنی بیماران ۱/۱۴± ۳۹/۲ سال بود و ۱۸ نفر از شرکتکنندگان مرد (۵۸/۶) درصد بودند. پارامترهای نیمه کمی IAUC، Peak و
Initial Slopeبا استفاده از دادههای T۱W-MRI داینامیک کمیسازی شدند. از آزمون Mann-Whitney U برای ارزیابی معناداری تفاوت این پارامترها بین گریدهای مختلف تومورهای گلیوما استفاده شد. عملکرد پارامترها برای گریدینگ گلیوما با استفاده از تحلیل منحنی مشخصه عملکرد گیرنده (ROC) ارزیابی شد.
یافتهها: پارامترهای IAUC، Peak و Initial Slope تفاوت معنیداری بین گریدهای مختلف گلیوما داشتند (۰/۰۴۱P≤) و نتایج نشان داد که IAUCدر مقایسه با سایر پارامترهای مورد مطالعه، بهترین عملکرد گریدینگ را دارد.
نتیجهگیری: پارامترهای نیمه کمی حاصل از روش T۱W-MRI داینامیک اندیسهای ارزشمندی هستند که میتوانند بهطور قابل اعتمادی بین گریدهای گلیوما تمایز قائل شوند. این پارامترهای تصویربرداری فیزیولوژیک غیرتهاجمی میتوانند بهعنوان یک مکمل قدرتمند برای سیستم گریدینگ استاندارد هیستوپاتولوژیک عمل کنند.
مواد و روشها: بیماران مشکوک به تومور مغزی که بین بهمن ماه ۱۳۹۹ تا دی ماه ۱۴۰۱ به بخش تصویربرداری مرکز سرطان مرجع ارجاع داده شده بودند، به صورت گذشتهنگر بررسی شدند. تعداد ۳۱ بیمار مبتلا به گلیومای تأیید شده توسط نتایج پاتولوژی دارای شرایط ورود به مطالعه بودند. میانگین سنی بیماران ۱/۱۴± ۳۹/۲ سال بود و ۱۸ نفر از شرکتکنندگان مرد (۵۸/۶) درصد بودند. پارامترهای نیمه کمی IAUC، Peak و
Initial Slopeبا استفاده از دادههای T۱W-MRI داینامیک کمیسازی شدند. از آزمون Mann-Whitney U برای ارزیابی معناداری تفاوت این پارامترها بین گریدهای مختلف تومورهای گلیوما استفاده شد. عملکرد پارامترها برای گریدینگ گلیوما با استفاده از تحلیل منحنی مشخصه عملکرد گیرنده (ROC) ارزیابی شد.
یافتهها: پارامترهای IAUC، Peak و Initial Slope تفاوت معنیداری بین گریدهای مختلف گلیوما داشتند (۰/۰۴۱P≤) و نتایج نشان داد که IAUCدر مقایسه با سایر پارامترهای مورد مطالعه، بهترین عملکرد گریدینگ را دارد.
نتیجهگیری: پارامترهای نیمه کمی حاصل از روش T۱W-MRI داینامیک اندیسهای ارزشمندی هستند که میتوانند بهطور قابل اعتمادی بین گریدهای گلیوما تمایز قائل شوند. این پارامترهای تصویربرداری فیزیولوژیک غیرتهاجمی میتوانند بهعنوان یک مکمل قدرتمند برای سیستم گریدینگ استاندارد هیستوپاتولوژیک عمل کنند.
واژههای کلیدی: گلیوما، گریدینگ تومور، تصویربرداری تشدید مغناطیسی با تزریق ماده حاجب، پارامترهای نیمه کمی
فهرست منابع
1. Mesfin FB, Karsonovich T, Al-Dhahir MA. Gliomas. StatPearls [Internet]: StatPearls Publishing; 2024. [Article]
2. Schwartzbaum JA, Fisher JL, Aldape KD, et al. Epidemiology and molecular pathology of glioma. Nat Clin Pract Neurol 2006; 2(9): 494-503. [DOI]
3. Larjavaara S, Mäntylä R, Salminen T, et al. Incidence of gliomas by anatomic location. Neuro Oncol 2007; 9(3): 319-325. [DOI]
4. Pellerino A, Caccese M, Padovan M, et al. Epidemiology, risk factors, and prognostic factors of gliomas. Clin Transl Imaging 2022; 10(5): 467-475. [DOI]
5. Zakariaee SS, Hashemi H, Salmanipour H. Comparison of singular value decomposition and Fourier deconvolution methods for cerebral blood flow quantification in dynamic contrastenhanced magnetic resonance imaging. J Res Med Sci 2022; 9(4): 57-68. [Article]
6. Zakariaee SS, Oghabian MA, Firouznia K, et al. Assessment of the agreement between cerebral hemodynamic indices quantified using dynamic susceptibility contrast and dynamic contrastenhanced perfusion magnetic resonance imagings. J Clin Imaging Sci 2018; 8: 1-9. [DOI]
7. Muragaki Y, Chernov M, Maruyama T, et al. Low-grade glioma on stereotactic biopsy: how often is the diagnosis accurate? Minim Invasive Surg 2008; 51(5): 275-279. [DOI]
8. Jackson RJ, Fuller GN, Abi-Said D, et al. Limitations of stereotactic biopsy in the initial management of gliomas. Neuro Oncol 2001; 3(3): 193-200. [DOI]
9. Law M, Yang S, Wang H, et al. Glioma grading: sensitivity, specificity, and predictive values of perfusion MR imaging and proton MR spectroscopic imaging compared with conventional MR imaging. AJNR Am J Neuroradiol 2003; 24(10): 1989-1998. [Article]
10. Abdi AI. Glioma grading using an optimized T1-weighted dynamic contrastenhanced magnetic resonance imaging paradigm. Egypt J Radiol Nucl Med 2024; 55(1): 1-12. [DOI]
11. Eilaghi A, Yeung T, d'Esterre C, et al. Quantitative Perfusion and Permeability Biomarkers in Brain Cancer from Tomographic CT and MR Images: Supplementary Issue: Biomarkers and their Essential Role in the Development of Personalised Therapies. Biomark Cancer 2016; 8(Suppl 2): 47-59. [DOI]
12. Aydin S, Fatihoğlu E, Koşar PN, et al. Perfusion and permeability MRI in glioma grading. Egypt J Radiol Nucl Med 2020; 51(1): 1-8. [DOI]
13. Ma H, Zeng S, Huang Y, et al. Predicting glioma histomolecular diagnosis and prognosis: preoperative dynamic contrast-enhanced magnetic resonance imaging insights. Quant Imaging Med Surg 2025; 15(10): 9855-9870. [DOI]
14. Association WM. World Medical Association Declaration of Helsinki: ethical principles for medical research involving human subjects. Jama 2013; 310(20): 2191-2194. [DOI]
15. Walke V, Joshi D, Sharma T, et al. The spectrum of microvascular patterns in adult diffuse glioma and their correlation with tumor grade. J Pathol Transl Med 2024; 58(3): 127-133. [DOI]
16. Muthukrishnan SD, Qi H, Wang D, et al. Low-and high-grade glioma-associated vascular cells differentially regulate tumor growth. Mol Cancer Res 2024; 22(7): 656-667. [DOI]
17. Zhao J, Yang ZY, Luo BN, et al. Quantitative evaluation of diffusion and dynamic contrast-enhanced MR in tumor parenchyma and peritumoral area for distinction of brain tumors. PLoS One 2015; 10(9): e0138573. [DOI]
18. Mills SJ, Soh C, O’connor JP, Rose CJ, Buonaccorsi GA, Cheung S, Zhao S, Parker GJ, Jackson A. Tumour enhancing fraction (EnF) in glioma: relation-ship to tumour grade. European Radiology 2009; 19(6): 1489-1498. [DOI]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |