Despite recent advances in non-invasive brain mapping imaging, the resectability of a given area in a patient harboring a WHO grade II glioma cannot be predicted preoperatively with high reliability, due to mechanisms of functional reorganization. Therefore, intraoperative mapping by direct electrical stimulation remains the gold standard for detection and preservation of eloquent areas during glioma surgery, because it enables to perform on-line anatomo-functional correlations. To study potentials and limitations of brain plasticity, we gathered 58 postoperative MRI of patients operated on for a WHO grade II glioma under direct electrical cortico-subcortical stimulation. Postoperative images were registered on the MNI template to construct an atlas of functional resectability for which each voxel represents the probability to observe residual non-resectable tumor, that is, non-compensable area. The resulting atlas offers a rigorous framework to identify areas with high plastic potential (i.e. with probabilities of residual tumor close to 0), with low compensatory capabilities (i.e. probabilities of residual tumor close to 1) and with intermediate level of resectability (probability around 0.5). The resulting atlas highlights the utmost importance of preserving a core of connectivity through the main associative pathways, namely, it supports the existence of a “minimal common brain” among patients.

A growing number of published studies have recently demonstrated the role of resection in overall survival (OS) for patients with gliomas. In this retrospective study, the authors objectively investigated the role of the extent of resection (EOR) in OS in patients with low-grade gliomas (LGGs).Between 1998 and 2011, 190 patients underwent surgery for LGGs. All surgical procedures were conducted under corticosubcortical stimulation. The EOR was established by analyzing the pre- and postoperative volumes of the gliomas on T2-weighted MRI studies. The difference between the preoperative tumor volumes was also investigated by measuring the volumetric difference between the T2- and T1-weighted MRI images (ΔVT2T1) to evaluate how the diffusive tumor-growing pattern affected the EOR achieved.The median preoperative tumor volume was 55 cm(3), and in almost half of the patients the EOR was greater than 90%. In this study, patients with an EOR of 90% or greater had an estimated 5-year OS rate of 93%, those with EOR between 70% and 89% had a 5-year OS rate of 84%, and those with EOR less than 70% had a 5-year OS rate of 41% (p < 0.001). New postoperative deficits were noted in 43.7% of cases, while permanent deficits occurred in 3.16% of cases. There were 41 deaths (21.6%), and the median follow-up was 4.7 years. A further volumetric analysis was also conducted to compare 2 different intraoperative protocols (Series 1 [intraoperative electrical stimulation alone] vs Series 2 [intraoperative stimulation plus overlap of functional MRI/fiber tracking diffusion tensor imaging data on a neuronavigation system]). Patients in Series 1 had a median EOR of 77%, while those in Series 2 had a median EOR of 90% (p = 0.0001). Multivariate analysis showed that OS is influenced not only by EOR (p = 0.001) but also by age (p = 0.003), histological subtype (p = 0.005), and the ΔVT2T1 value (p < 0.0001). Progression-free survival is similarly influenced by histological subtype (fibrillary astrocytoma, p = 0.003), EOR (p < 0.0001), and ΔVT2T1 value (p < 0.0001), as is malignant progression-free survival (p = 0.003, p < 0.0001, and p < 0.0001, respectively). Finally, the study shows that the higher the ΔVT2T1 value, the less extensive the currently possible resection, highlighting an apparent correlation between the ΔVT2T1 value itself and EOR (p < 0.0001).The EOR and the ΔVT2T1 values are the strongest independent predictors in improving OS as well as in delaying tumor progression and malignant transformation. Furthermore, the ΔVT2T1 value may be useful as a predictive index for EOR. Finally, due to intraoperative corticosubcortical mapping and the overlap of functional data on the neuronavigation system, major resection is possible with an acceptable risk and a significant increase in expected OS.

(1) Background: Recently, it has been shown that the extent of resection (EOR) and molecular classification of low-grade gliomas (LGGs) are endowed with prognostic significance. However, a prognostic stratification of patients able to give specific weight to the single parameters able to predict prognosis is still missing. Here, we adopt classic statistics and an artificial intelligence algorithm to define a multiparametric prognostic stratification of grade II glioma patients. (2) Methods: 241 adults who underwent surgery for a supratentorial LGG were included. Clinical, neuroradiological, surgical, histopathological and molecular data were assessed for their ability to predict overall survival (OS), progression-free survival (PFS), and malignant progression-free survival (MPFS). Finally, a decision-tree algorithm was employed to stratify patients. (3) Results: Classic statistics confirmed EOR, pre-operative- and post-operative tumor volumes, Ki67, and the molecular classification as independent predictors of OS, PFS, and MPFS. The decision tree approach provided an algorithm capable of identifying prognostic factors and defining both the cut-off levels and the hierarchy to be used in order to delineate specific prognostic classes with high positive predictive value. Key results were the superior role of EOR on that of molecular class, the importance of second surgery, and the role of different prognostic factors within the three molecular classes. (4) Conclusions: This study proposes a stratification of LGG patients based on the different combinations of clinical, molecular, and imaging data, adopting a supervised non-parametric learning method. If validated in independent case studies, the clinical utility of this innovative stratification approach might be proved.

Patients affected by glioma frequently suffer of epileptic discharges, however the causes of brain tumor-related epilepsy (BTRE) are still not completely understood. We investigated the mechanisms underlying BTRE by analyzing the effects of exosomes released by U87 glioma cells and by patient-derived glioma cells. Rat hippocampal neurons incubated for 24 h with these exosomes exhibited increased spontaneous firing, while their resting membrane potential shifted positively by 10-15 mV. Voltage clamp recordings demonstrated that the activation of the Na+ current shifted towards more hyperpolarized voltages by 10-15 mV. To understand the factors inducing hyperexcitability we focused on exosomal cytokines. Western Blot and ELISA assays show that TNF-α is present inside glioma-derived exosomes. Remarkably, incubation with TNF-α fully mimicked the phenotype induced by exosomes, with neurons firing continuously, while their resting membrane potential shifted positively. RT-PCR revealed that both exosomes and TNF-α induced over-expression of the voltage-gated Na channel Nav1.6, a low-threshold Na+ channel responsible for hyperexcitability. When neurons were preincubated with Infliximab, a specific TNF-α inhibitor, the hyperexcitability induced by exosomes and TNF-α were drastically reduced. We propose that Infliximab, an FDA approved drug to treat rheumatoid arthritis, could ameliorate the conditions of glioma patients suffering of BTRE.

BACKGROUND Paragangliomas (PG) are rare neoplasms of neuroendocrine origin that tend to be highly vascularized, slow-growing, and usually sporadic. To date, common treatment options are surgical resection (SR), with or without radiation therapy (RT), and a watch-and-wait approach. AIM To evaluate the local control and effectiveness of exclusive fractionated stereotactic RT (FSRT) treatment in unresectable PG (uPG). METHODS We retrospectively evaluated patients with uPG (medically inoperable or refused SR) treated with FSRT with a Cyberknife System (Accuray Incorporated, Sunnyvale, California). Toxicity and initial efficacy were evaluated. RESULTS From May 2009 to January 2023, 6 patients with a median age of 68 (range 20-84) were treated with FSRT. The median delivered dose was 21 Gy (range 20-30 Gy) at a median isodose line of 75.5% (range 70%-76%) in 4 fractions (range 3-5 fractions). The median volume was 13.6 mL (range 12.4-65.24 mL). The median cumulative biological effective dose and equivalent dose in 2-Gy fractions were 70 Gy and 37.10 Gy respectively. Site of origin involved were the timpa-nojugular glomus (4/6), temporal bone, and cervical spine. In 1 of the 6 patients, the follow-up was insufficient; 5 of 6 patients showed a 5-year overall survival and 5-year progression-free survival of 100%. We observed negligible toxicities during and after RT. The majority of patients showed stable symptoms during follow-up. Only 1 patient developed spine metastases. CONCLUSION Our preliminary results on this small cohort of patients suggest that FSRT could be an effective and safe alternative to SR.

Purpose Patients diagnosed with High Grade Gliomas (HGG) generally tend to have a relatively negative prognosis with a high risk of early tumor recurrence (TR) after post-operative radio-chemotherapy. The assessment of the pre-operative risk of early versus delayed TR can be crucial to develop a personalized surgical approach. The purpose of this article is to predict TR using MRI radiomic analysis. Methods Data were retrospectively collected from a database. A total of 248 patients were included based on the availability of 6-month TR results: 188 were used to train the model, the others to externally validate it. After manual segmentation of the tumor, Radiomic features were extracted and different machine learning models were implemented considering a combination of T1 and T2 weighted MR sequences. Receiver Operating Characteristic (ROC) curve was calculated with relative model performance metrics (accuracy, sensitivity, specificity, positive predictive value (PPV) and negative predictive value (NPV)) at the best threshold based on the Youden Index. Results Models performance were evaluated based on test set results. The best model resulted to be the XGBoost, with an area under ROC curve of 0.72 (95% CI: 0.56 - 0.87). At the best threshold, the model exhibits 0.75 (95% CI: 0.63 - 0.75) as accuracy, 0.62 (95% CI: 0.38 - 0.83) as sensitivity 0.80 (95% CI: 0.66 - 0.89 as specificity, 0.53 (95% CI: 0.31 - 0.73) as PPV, 0.88 (95% CI: 0.72 - 0.94) as NPV. Conclusion MRI radiomic analysis represents a powerful tool to predict late HGG recurrence, which can be useful to plan personalized surgical treatments and to offer pertinent patient pre-operative counseling.

Background: Generative Adversarial Networks (GANs) are a class of artificial neural networks capable of generating content such as images, text, and sound. For several years already, artificial intelligence algorithms have shown promise as tools in the medical field, particularly in oncology. Generative Adversarial Networks (GANs) represent a new frontier of innovation, as they are revolutionizing artificial content generation, opening opportunities in artificial intelligence and deep learning. Purpose: This systematic review aims to investigate what the stage of development of such technology is in the field of head and neck surgery, offering a general overview of the applications of such algorithms, how they work, and the potential limitations to be overcome in the future. Methods: The Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines were followed in conducting this study, and the PICOS framework was used to formulate the research question. The following databases were evaluated: MEDLINE, Embase, Cochrane Central Register of Controlled Trials (CENTRAL), Scopus, ClinicalTrials.gov, ScienceDirect, and CINAHL. Results: Out of 700 studies, only 9 were included. Eight applications of GANs in the head and neck region were summarized, including the classification of craniosynostosis, recognition of the presence of chronic sinusitis, diagnosis of radicular cysts in panoramic X-rays, segmentation of craniomaxillofacial bones, reconstruction of bone defects, removal of metal artifacts from CT scans, prediction of the postoperative face, and improvement of the resolution of panoramic X-rays. Conclusions: Generative Adversarial Networks may represent a new evolutionary step in the study of pathology, oncological and otherwise, making the approach to the disease much more precise and personalized.