Multi-modality imaging assisted fluorescence-guided resection of glioblastoma: Case report
Notice bibliographique
Résumé
Glioblastoma is a highly malignant and infiltrative brain tumor, with a median overall survival of about 15 months. Gross-total resection using 5-aminolevulinic acid (5-ALA) assisted fluorescence-guided tumor resection has been shown to prolong progression free survival. Here, we report the utility of multi-modality imaging in conjunction with the 5-ALA fluorescence in resection of an IDH (R132H) wildtype malignant astrocytoma. A 58-year old male, presented with a generalized seizure and was found to have a right-anterior temporal lobe lesion, measuring 7.42 cm3 in volume. Given the patient's left-hand dominance, functional-MRI and white-matter tractography using diffuse tensor imaging was performed. These image series, along with T1-weighted contrast enhanced MRI and CT scans were inter-registered and fused to create a multi-modality image dataset. This fused dataset was used in preoperative planning and intraoperatively for stereotactic surgical navigation. A gross-total resection of the tumor was achieved for this case. Three other glioblastoma cases were performed at this site using the same technique described. The average extent of resection achieved was 96 ± 4%, with no post-operative neurological complications. While it is not clear that 5-ALA fluorescence guided resection alone improves the overall survival of patients with glioblastoma, this intra-operative adjunct certainly enables complete resections of contrast-enhancing tumors, leading to improved progression-free survival. This case study shows a single-institution experience with multi-modality fluoresce-guided tumor resection – providing the surgeon with the safest avenue to aggressively excise tumor with a goal to achieve maximal resection with greater efficacy and safety.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».