一种利用视网膜微结构特征的新型预测模型,用于估计质母细胞瘤患者的生存结果

科学领域:

• 神经瘤学神经瘤学
• 眼科医生 眼科 眼科
• 医学成像医学成像

背景情况:

• 质母细胞瘤 (GBM) 是一种具有不良预后的侵袭性脑瘤.
• GBM 的视觉并发症尚未得到充分了解.
• 早期发现视觉变化可能会影响患者管理.

研究的目的:

• 评估质母细胞瘤患者的视觉结果.
• 用神经眼科检查,视网膜成像和周边测量来描述视觉序列.
• 探索瘤位置,存活率和眼睛微观结构/微血管变化之间的相关性.

主要方法:

• 19名质母细胞瘤患者接受了神经眼科检查.
• 光学一致性断层扫描 (OCT) 和OCT血管扫描用于视网膜分析.
• 使用机器学习分析了瘤特征,视觉数据和生存信息.

主要成果:

• 与额头瘤相比,尾瘤导致视野明显恶化.
• 总生存时间较短 (<15个月) 的患者表现出更薄的视网膜神经纤维层和质细胞复合体.
• 在存活率差的患者中观察到扩大的状血管区域.
• 机器学习准确地预测了使用视网膜和视野数据的长期生存率 (78%).

结论:

• 质母细胞瘤患者经常经历视野缺陷,即使视力敏度正常.
• 视网膜变薄和微血管密度降低与质母细胞瘤生存率低下有关.
• 机器学习模型在预测基于眼睛指标的质母细胞瘤患者存活率方面表现有前途.