Seizures are common presenting symptoms of primary brain tumors. Mechanisms of epileptogenesis are still unknown and are believed to be multifactorial. Previous studies have indicated correlation of seizure with tumor location. Recent investigations of our group have shown image-based parameters have sex-specific implications for patient outcome. In this retrospective study, we examined the association of tumor location with the probability and risk of seizure in male and female glioma patients.

A typical feature of glioblastoma (GBM) growth is local recurrence after surgery. However, some GBMs recur distally. It has been noted that GBM patients with perioperative ischemia are more likely to have distal recurrence and that GBM cells migrate faster under hypoxic conditions. We apply the Proliferation Invasion Hypoxia Necrosis Angiogenesis (PIHNA) model to examine the effect of faster hypoxic cell migration on simulated GBM growth. Results suggest that a highly migratory hypoxic cell population drives the growth of the whole tumor and leads to distant recurrence, as do higher normoxic tumor cell migration and low cellular proliferation rates.

Purpose: Accurate assessments of patient response to therapy are a critical component of personalized medicine. In glioblastoma multiforme (GBM), the most aggressive form of brain cancer, tumor growth dynamics are heterogenous across patients, complicating assessment of treatment response. This study aimed to analyze Days Gained (DG), a burgeoning model-based dynamic metric, for response assessment in patients with recurrent GBM who received bevacizumab-based therapies. Experimental Design: Days Gained response scores were calculated using volumetric tumor segmentations for patients receiving bevacizumab with and without concurrent cytotoxic therapy (N=62). Kaplan-Meier and Cox proportional hazards analyses were implemented to examine DG prognostic relationship to overall (OS) and progression-free survival (PFS) from the onset of treatment for recurrent GBM. Results: In patients receiving concurrent bevacizumab and cytotoxic therapy, Kaplan-Meier analysis showed significant differences in OS and PFS at previously identified DG cutoffs consistent with previous DG analyses using gadolinium-enhanced T1 weighted MR imaging. DG scores for bevacizumab monotherapy only approached significance for PFS. Cox regression showed that increases of 25 DG were significantly associated with a 12.5% reduction in OS hazard for concurrent therapy patients and a 4.4% reduction in PFS hazard for bevacizumab monotherapy. Conclusion: Days Gained has significant meaning in recurrent therapy as a metric of treatment response, even in the context of anti-angiogenic therapies. This provides further evidence supporting the use of DG as an adjunct response metric that quantitatively connects treatment response and clinical outcomes.

Purpose: Patient sex is recognized as a significant determinant of outcome but the relative prognostic importance of molecular, imaging, and other clinical features of GBM has not yet been thoroughly explored for male versus female patients. Combining multi-modal MR images and patient clinical information, this investigation assesses which pretreatment MRI-based and clinical variables impact sex-specific survivorship in glioblastoma patients. Methods: We considered the multi-modal MRI and clinical data of 494 patients newly diagnosed with primary glioblastoma (299 males and 195 females). Patient MR images (T1Gd, T2, and T2-FLAIR) were segmented to quantify imageable tumor volumes for each MR sequence. Cox proportional hazard (CPH) models and Students t-tests were used to assess which variables were significantly associated with survival outcomes. We used machine learning algorithms to develop pruned decision trees to integrate the impact of these variables on patient survival. Results: Among males, tumor (T1Gd) radius was a significant predictor of overall survival (HR=1.027, p=0.044). Among females, higher tumor cell net invasion rate was a significant detriment to overall survival (HR=1.011, p<0.001). Female extreme survivors had significantly smaller tumors (T1Gd) (p=0.010 t-test), but tumor size was not significantly correlated with female overall survival (p=0.955 CPH). Both male and female extreme survivors had significantly lower tumor cell net proliferation rates than patients in other survival groups (M p=0.004, F p=0.001, t-test). Age at diagnosis was a significant predictive factor for overall survival length for both males and females (M HR= 1.030, F HR=1.022). Additional variables like extent of resection, tumor laterality, and IDH1 mutation status were also found to have sex-specific effects on overall survival. Conclusion: The results indicated that some variables, like the tumor cell diffuse invasion rate and tumor size, had sex-specific implications for survival, while other variables, such as age at diagnosis and tumor cell proliferation rate, impacted both sexes in the same way. Despite similar distributions of the MR imaging parameters between males and females, there was a sex-specific difference in how these parameters related to outcomes. The sex differences in the predictive value of these and other variables emphasizes the importance of considering sex as a biological factor when determining patient prognosis and treatment approach.

Although glioblastoma is a fatal primary brain cancer with a short median survival of 15 months, a small number of patients survive more than 5 years after diagnosis; they are known as extreme survivors (ES). Due to their rarity, very little is known about what differentiates these outliers from other glioblastoma patients. For the purpose of identifying unknown drivers of extreme survivorship in glioblastoma, we developed the ENDURES consortium (ENvironmental Dynamics Underlying Responsive Extreme Survivors of glioblastoma). This consortium is a multicenter collaborative network of investigators focused on the integration of multiple types of clinical data and the creation of patient-specific models of tumor growth informed by radiographic and histological parameters. Leveraging our combined resources, the goals of the ENDURES consortium are two-fold: (1) to build a curated, searchable, multilayered repository housing clinical and outcome data on a large cohort of ES patients with glioblastoma and (2) to leverage the ENDURES repository for new insights on tumor behavior and novel targets for prolonging survival for all glioblastoma patients. In this article, we review the available literature and discuss what is already known about ES. We then describe the creation of our consortium and some of our preliminary results.

Temozolomide (TMZ) has been the standard-of-care chemotherapy for glioblastoma (GBM) patients for more than a decade. Despite this long time in use, significant questions remain regarding how best to optimize TMZ therapy for individual patients. Understanding the relationship between TMZ response and factors such as number of adjuvant TMZ cycles, patient age, patient sex, and image-based tumor features, might help predict which GBM patients would benefit most from TMZ, particularly for those whose tumors are not MGMT methylated. Using a cohort of 90 newly-diagnosed GBM patients treated according to the Stupp protocol, we examined the relationships between several patient and tumor characteristics and volumetric and survival outcomes during adjuvant chemotherapy. Volumetric changes in MR imaging abnormalities during adjuvant therapy were used to assess TMZ response. T1Gd volumetric response is associated with younger patient age, increased number of TMZ cycles, longer time to nadir volume, and decreased tumor invasiveness. Moreover, increased adjuvant TMZ cycles corresponded with improved volumetric response only among more nodular tumors, and this volumetric response was associated with improved survival outcomes. Finally, in a subcohort of patients with known MGMT methylation status, MGMT methylated tumors were more diffusely invasive than unmethylated tumors, suggesting that the improved response in nodular tumors is not driven by a preponderance of MGMT methylated tumors. Our finding that less diffusely invasive tumors are associated with greater volumetric response to TMZ suggests that patients with these tumors may benefit from additional cycles of adjuvant TMZ, even for those without MGMT methylation.

Background Brain tumor related epilepsy (BTE) is a major co-morbidity related to the management of patients with brain cancer. Despite published practice guidelines recommending against anti-epileptic drug (AED) utilization in patients with gliomas, there is heterogeneity in prescription practices of AEDs in these patients. In an attempt to impact BTE management, we statistically analyzed clinically relevant attributes (sex, age, tumor size, tumor growth kinetics, and tumor location) pertaining to seizure at presentation and used them to build a computational machine learning model to predict the probability of a seizure (at presentation).Methods From our clinical data repository, we identified 223 patients (females, n=86; males, n=137) with pathologically-determined glioma and known seizure status at clinical presentation. Non-parametric and Fisher’s Exact tests were used to identify statistical differences in clinical characteristics. We utilized a random forest machine learning method for generating our predictive models by entire cohort and separated by male and female.Findings Patients were divided into those that presented with seizure (SP, n=96, 43%; F, n= 28; M, n= 68) and those that presented without seizure (nSP, n=127, 57%, F n=58, M n=69). Females presented with seizures significantly less often than males (x2=6·28, p=0·01). SP patients had significantly smaller T1Gd radius compared to nSP (SP 11·30mm, nSP 18.66mm, p<0·0001). Tumor size and patient age were significant negative predictors for SP; patients with larger tumors, older age and less tumor diffusivity (p/D) were at lower risk for SP.Interpretation Despite heterogeneity across our patient cohort, there is strong evidence of a role for patient sex, tumor size, tumor invasion, and patient age in predicting the incidence of seizures at diagnosis. Future studies, with prospectively detailed data collection, may provide clearer insights into the incidence of seizures through a patient’s treatment course.

Glioblastoma (GBM) is the most aggressive primary brain tumor with a short median survival. Tumor recurrence is a clinical expectation of this disease and usually occurs along the resection cavity wall. However, previous clinical observations have suggested that in cases of perioperative ischemia, tumors are more likely to recur distally. Through the use of a mechanistic model, the Proliferation Invasion Hypoxia Necrosis Angiogenesis (PIHNA) model, we explore the phenotypic drivers of this observed behavior. We have extended the PIHNA model to include a new nutrient-based vascular efficiency term. The model suggests sensitivity to a hypoxic microenvironment and the inherent migration and proliferation rates of the tumor cells are key factors that drive distant recurrences.

1614 Background: Despite the unique ability of machine learning (ML) techniques to uncover complex interactive effects in datasets, studies exploring predictors of clinical trial enrollment have largely used standard statistical methods to discern associations. Furthermore, there have been limited applications of ML to close existing disparities in clinical trial enrollment of underrepresented patients in neuro-oncology. This study aims to use supervised machine learning to define and validate primary contributors of therapeutic clinical trial enrollment for a) all patients, b) women and c) NIH-designated minority patients with low- and high-grade glioma. Methods: Adult glioma patients who received care from the UCSF Brain Tumor Center between 1997- 2017 were identified in a prospective registry. Bootstrap forest (BF) and Recursive Partitioning (RP) models were created by randomly dividing patients in a 70/30 split into development (DEV) and validation (VAL) cohorts among all patients, women, and NIH-designated minority patients, separately. Model performance was assessed using the area under the curve (AUC) in the DEV and VAL cohorts. Results: Among 1042 patients, 350 patients (33.6%) enrolled in a therapeutic clinical trial. There were 445 women (42.7%), of which 144 (32.4%) enrolled, and 141 minority patients (13.5%), of which 39 (27.7%) enrolled. For all patients, in order of decreasing influence, the BF model selected median neighborhood household income, age, neighborhood poverty level, distance from hospital, tumor location, tumor volume, treatment with chemotherapy, occupation, KPS, insurance status, employment status, seizure at presentation, and volumetric extent of resection (EOR) to predict trial enrollment (DEV AUC: 0.984; VAL AUC: 0.746). For women, the BF model selected distance from hospital, age, household income, neighborhood poverty level, tumor location, treatment with chemotherapy, and KPS for trial prediction (DEV AUC: 0.972; VAL AUC: 0.746), whereas for minority patients, the BF model selected neighborhood poverty level, age, occupation, distance from hospital, tumor volume, insurance status, employment status, and EOR to predict trial enrollment (DEV AUC: 0.9830; VAL AUC: 0.769). The RP model for women designated those with non-White race as less likely to enroll (DEV AUC: 0.735; VAL AUC: 0.665) while the RP model for minority patients characterized those who preferred a non-English language or who were divorced or widowed as less likely to enroll (DEV AUC: 0.775; VAL AUC: 0.601). Conclusions: Supervised machine learning models achieved similar predictive performance among patient subgroups, while uncovering interactions between gender identity, minority status, and sociodemographic variables. These findings can guide targeted recruiting efforts to advance equitable trial enrollment for women and minorities.

Abstract INTRODUCTION Lymphopenia attributed to postoperative chemoradiotherapy (CRT) can accelerate tumor recurrence and contribute to poor prognosis in GBM. We hypothesize that short course (1-2 weeks) CRT can mitigate lymphopenia compared to standard course and may provide immune benefits for future combination therapy. METHODS GBM patients were randomized on a multi-site phase II study comparing short course (35Gy/5Fx or 40Gy/10Fx depending on target volume) (Arm A) versus standard dose fractionation (60Gy/30Fx or 40Gy/15Fx, Arm B). All patients received concurrent and adjuvant temozolomide (TMZ). This unplanned interim analysis evaluates changes of absolute lymphocyte count (ALC), CD4 and CD8 prospectively at 3-timepoints: baseline (prior to CRT), end of CRT, and 1-month post-CRT. RESULTS To date, 72 patients enrolled (34 Arm A, 38 Arm B). Median age 66 (35-86), ECOG 0-2. Patients characteristics as followed in Arm A vs. Arm B, respectively: female 47% vs. 42%, MGMT promotor methylated 31% vs. 34%, steroid use 46% vs. 45%, ALC 1310 cells/mm3 (330 –9730) vs. 1480 (750 –7750), CD4 531 cells/mm3 (86 –1368) vs. 662 (318 –1671), and CD8 151 cells/mm3 (56 –940) vs. 272 (68 –875). Lymphocytes data were collected in 49 patients (21 Arm A, 28 Arm B). There were signficantly fewer reductions of ALC, CD4 and CD8 in Arm A. Median ALC changes were 95% and 99% of baseline (Arm A) vs 52% and 61% of baseline (Arm B) at the end of CRT and 1-month post-CRT, respectively (p&lt;0.01). Median CD4 changes 93% and 96% of baseline (Arm A) vs 51% and 49% (Arm B), and median CD8 changes 97% and 98% of baseline (Arm A) vs 57% and 71% (Arm B) at the end of CRT and 1-month post-CRT, respectively (p&lt;0.05). CONCLUSIONS This interim analysis suggests that short course RT could reduce treatment-related lymphopenia and immune suppression compared to standard RT, thus could be potentially beneficial to combine with immunotherapy.